引用本文
孙永亮, 于富美, 李尚洪, 赵全国, 赵晓颖, 吴佳. 苏里格气田储层分类方法及差异化压裂改造[J]. 录井工程, 2025,36(1): 85-90.
SUN Yongliang, YU Fumei, LI Shanghong, ZHAO Quanguo, ZHAO Xiaoying, WU Jia. Classification method and differential fracturing for reservoirs in Sulige Gas Field[J]. Mud Logging Engineering, 2025,36(1): 85-90.
Doi:10.3969/j.issn.1672-9803.2025.01.013  
Permissions
Copyright©2025, 《录井工程》杂志社
《录井工程》杂志社 所有
苏里格气田储层分类方法及差异化压裂改造
孙永亮, 于富美, 李尚洪, 赵全国, 赵晓颖, 吴佳
中国石油渤海钻探油气合作开发分公司

作者简介： 孙永亮 高级工程师,1987生,2009年毕业于中国石油大学（北京）勘查技术与工程专业,现在中国石油渤海钻探油气合作开发分公司地质研究院主要从事油气田开发工作。通信地址：300457 天津市滨海新区第二大街83号。E-mail：sunyongliang@cnpc.com.cn

收稿日期: 2025-01-17
基金: 中国石油集团渤海钻探工程公司科研项目“苏里格气田西区致密砂岩储层评价及精准改造技术研究”（编号：2023ZD19Y）
摘要

苏里格气田储层低渗致密,孔喉结构复杂,物性、含气性差异大,储层类型难以准确划分,不利于后续储层改造有效实施。为研究储层类型对储层改造的影响,甄选影响气井产能的有效厚度、孔隙度、渗透率、储层品质因子、渗透率变异系数、含气饱和度、气测最大全烃、自然伽马、水动力指数9个地质参数,利用K-means均值聚类分析算法将有效储层划分为3种类型,并采用归一化方法定义储层分类系数,形成了适合该气田的储层类型定量评价方法。以单套砂体为研究对象,从气层的净毛比、类型、有效厚度及平面展布规模4个方面量化分析,划分出15种储层组合类别并提出对应的压裂改造规模,形成差异化压裂改造方案,为储层改造提供量化依据。通过计算确定气田中部3个区块2023年149口完钻井的气层的储层类型,与压裂试气结果对比,平均符合率93.0%。气层的储层分类系数与无阻流量有较好的指数关系,可利用储层分类系数预测气层产能。

关键词: 苏里格气田; 致密气藏; 储层分类; 差异化改造; 产能; 压裂; 聚类分析
中图分类号:TE132.1 文献标志码:A
Classification method and differential fracturing for reservoirs in Sulige Gas Field
SUN Yongliang, YU Fumei, LI Shanghong, ZHAO Quanguo, ZHAO Xiaoying, WU Jia
Oil & Gas Cooperation and Development Company,BHDC,CNPC,Tianjin 300457,China
Abstract

The reservoirs of Sulige Gas Field are low-permeability and tight,with complex pore structure and significant differences in physical and gas-bearing properties,and it is difficult to accurately classify reservoir types,which is not conducive to the effective implementation of subsequent reservoir stimulation. To study the impact of reservoir types on reservoir stimulation,nine geological parameters that affect gas-well deliverability were selected： effective thickness,porosity,permeability,reservoir quality factor,permeability coefficient of variation,gas-bearing saturation,maximum total hydrocarbon of gas logging,natural gamma,and hydrodynamic index. Using the K-means clustering analysis algorithm,the effective reservoirs were classified into three types. A normalization method was used to define the reservoir classification coefficients,forming a quantitative evaluation method of reservoir types suitable for this gas field. Taking a single set of sand bodies as the study object,the quantitative analysis was conducted from four aspects： the ratio of effective thickness to sand body total thickness,type,effective thickness,and planar distribution scale of gas zones. Fifteen reservoir combination categories were classified and corresponding fracturing reconstruction scales were proposed to form differential fracturing reconstruction schemes,providing quantitative basis for reservoir stimulation. By calculating to determine the reservoir types of gas zones from 149 drilled wells in three blocks in the middle part of the gas field in 2023,the average coincidence rate is 93.0% compared with the fracturing gas testing results. The reservoir classification coefficient of the gas zone has a good exponential relationship with the open flow potential,which can be used to predict the gas zone productivity.

Keyword: Sulige Gas Field; tight gas reservoir; reservoir classification; differential reconstruction; productivity; fracturing; cluster analysis
0 引言

苏里格气田位于鄂尔多斯盆地西北部, 区域构造位于伊陕斜坡西北部, 是一个以河流和三角洲沉积相为主体的大型岩性气藏[1], 主体含气层系为晚古生代地层, 储层低渗致密, 孔喉结构复杂, 非均质性强[2]。影响气井产能的储层岩性、物性和含气性等地质参数相关性较差, 有效储层难以精确分类, 不利于后续开发措施的有效实施。

本文以整套砂体为研究对象, 利用气田近年来完钻井的测录井数据, 甄选影响气井产能的地质参数, 利用聚类分析算法进行有效储层类型划分, 建立分类标准, 采用归一化方法定义储层分类系数, 从气层的发育程度和规模等方面定量评价有效储层类型, 形成储层差异化改造方案。为压裂改造提供量化依据, 提高气田建产效益。

1 地质参数甄选

储层评价研究中, 地质参数选择是否合理, 直接影响评价结果的准确性。传统储层分类方法一般包括4个地质参数, 分别为反映储层规模的有效厚度、体现物性特征的孔隙度和渗透率以及表征含气性特征的含气饱和度。然而, 苏里格气田储层复杂致密, 纵向多叠置, 横向变化快, 传统评价方法所用的地质参数比较单一, 不能准确反映储层特征。分析气井二项式产能方程可知, 影响低渗致密气藏产能的地质因素包括有效厚度、岩性、物性、含气性、孔隙结构、水动力能量等。为此甄选有效厚度、自然伽马、孔隙度、渗透率、含气饱和度、气测最大全烃、储层品质因子、渗透率变异系数、水动力指数9个地质参数进行储层分类评价。

自然伽马能够反映储层岩性特征。孔隙度和渗透率可反映储层物性特征[3]。低渗致密储层孔隙结构复杂多样, 采用储层品质因子表征微观孔喉结构, 孔喉半径越大, 弯曲度越小, 微观孔喉结构越好, 储层品质因子也就越大, 两者有较好的正相关关系。渗透率变异系数越大, 表示储层非均质性越强, 微观孔隙结构越差。气测录井是钻井现场直接显示地层含气性的有效手段, 气测最大全烃值能较好地反映储层含气性[4]。

水动力指数为自然伽马和补偿中子两条曲线之间距离的平方值, 某一层段内该值的大小可代表该段地质时期的水动力能量, 综合反映储层岩性、物性、含气性信息, 该值越大, 表明水动力能量越强[5]。用归一化的自然伽马和补偿中子测井曲线重构水动力指数曲线, 曲线重构公式如下：

Ei=2-（GRi+CNLi）22（1）

式中：Ei为水动力指数曲线样点值; GRi为自然伽马曲线归一化样点值; CNLi为补偿中子曲线归一化样点值; n为曲线的样点数, i=1, 2, …, n。

水动力能量的变化反映沉积环境的变化：水动力能量强的位置主要是辫状河河道的中心部位, 对应的沉积微相为心滩和河道, 有效储层发育; 水动力能量弱的位置主要是河道的边部及溢岸沉积区域, 有效储层不发育。

2 储层分类评价

聚类分析是研究“ 物以类聚” 的一种方法, 由于客观事物千差万别, 在不同问题中, 类的定义不尽相同, 但在同一类中的事物比较相似, 或者说它们之间的距离比较小[6]。简而言之, 聚类分析就是根据事物本身特性, 按照一定的类定义准则对所研究事物进行分类。采用聚类分析方法可以定量化划分有效储层类型, 建立分类标准, 为储层压裂改造提供量化依据。

2.1 聚类分析

K-means均值聚类分析算法属于数理统计的一种多元分析方法, 目的是将一个集合进行等价类型划分。它根据分类个数K随机选取初始聚类中心, 通过计算每一个点到各聚类中心的距离, 将点归入距离最近的类, 反复迭代, 当目标函数达到最小值时, 得到的聚类集合为最终聚类结果[7]。

K-means均值聚类分析具体计算步骤是：

（1）将样本按照需要分为K类, 即聚类个数为K。

（2）任意选择K个点（种子）作为初始聚类中心Cj（j=1, 2, 3, …, K）。

（3）计算各个样本数据点Xi（i=1, 2, 3, …, m）到种子的距离, 按照最小距离原则将样本分为K类。

（4）将重新分配的每类的平均值作为新的种子, 重复上述计算过程, 计算新的聚类中心。假定第j类储层数据点为Y个, 则聚类中心为：

Cj=（∑i=1mXi）/Y（2）

（5）判断前后两次聚类的聚类中心改变量d, 若d≤ ε , 则结束循环（ε 为给出的极小值常量）, 否则返回步骤（3）继续迭代, 当达到最大迭代次数时结束循环, 最终将样本分为K类。

2.2 储层分类标准

经统计选出历年完钻井12 035个储层的有效厚度、孔隙度、渗透率、含气饱和度、气测最大全烃、储层品质因子、渗透率变异系数、自然伽马、水动力指数9个地质参数, 利用SPSS软件对9个参数分别进行K-means均值聚类分析运算。设定储层类型为Ⅰ -Ⅳ 类, 其中有效储层为Ⅰ -Ⅲ 类, Ⅳ 类储层为无效储层, 计算结果如表1所示。依据试气数据, 设定有效储层下限值为孔隙度5.0%、渗透率0.1 mD、含气饱和度30.0%、气测最大全烃1.0%。

表1 苏里格气田储层分类标准
2.3 储层类型定量评价

由于低渗致密储层的岩性、物性和含气性等参数相关性较差, 经常出现多个参数不匹配的现象, 比如物性属于Ⅰ 类储层, 而含气性属于Ⅱ 类储层, 难以准确划分储层类型。针对此问题, 采用归一化处理方法, 将数据调整到一个共同的标准范围, 从而消除数据之间的量纲和取值范围差异, 使不同指标或特征之间具有可比性。

归一化方法计算过程：对表1中的评价参数进行数据标准化, 采用极大-极小值区间变换法, 对原始数据进行标准化变换, 将Ⅰ 、Ⅱ 、Ⅲ 类储层各个参数转化为0~1的无量纲数据。

具体操作：对于和储层类型正相关的参数, 即有效厚度、孔隙度、渗透率、含气饱和度、气测最大全烃、储层品质因子、水动力指数, 这7个参数的λ 值按公式（3）计算; 对于和储层类型负相关的参数, 即渗透率变异系数和自然伽马, 这2个参数的μ 值按公式（4）计算。

λ=λn-λminλmax-λmin（3）

μ=μmax-μiμmax-μmin（4）

式中：λ 为正相关参数归一化数值, 无量纲; μ 为负相关参数归一化数值, 无量纲; λn、 μi为参数值; λmin、 μmin分别为Ⅱ 类储层与Ⅲ 类储层分界值; λmax、 μmax分别为Ⅰ 类储层与Ⅱ 类储层分界值; n=1, 2, 3…, 7; i=1, 2。

计算归一化的各项参数的平均值, 定义为储层分类系数M, 如式如下。

M=（∑1nλn+∑1iμi）/（n+i）（5）

式中：M为储层分类系数, 无量纲。

依据储层分类标准, 可以定量评价储层类型：Ⅰ 类储层M≥ 1; Ⅱ 类储层0≤ M< 1; Ⅲ 类储层M< 0。

2.4 符合率验证

对储层参数完成类型划分后, 利用隶属度函数（公式6）, 计算第i个样本隶属于第j类的概率（即隶属度）, 求取划分结果的符合率。

Pij=e-（xi-μj）22σj2（6）

式中：Pij为隶属度, 无量纲; xi为样本参数, 无量纲; μ j为每种类型的均值, 无量纲; σ j为每种类型的方差, 无量纲; i=1, 2, 3, …, m; j=1, 2, 3。

通过计算可知, Ⅰ 、Ⅱ 、Ⅲ 类储层隶属度符合率分别为87.57%、82.83%、85.25%, 符合率平均值为85.56%, 表明分类结果较好。

3 储层差异化压裂改造

苏里格气田有效储层低渗致密, 需要压裂改造产生人工裂缝才能形成工业产能。以整套砂体为研究对象, 从气层的净毛比、储层类型、有效厚度、展布规模4个方面量化分析, 划分出15种储层组合类别, 确定对应的合理压裂改造规模, 从而形成储层差异化压裂改造方案, 如表2所示。

表2 苏里格气田储层差异化压裂改造方案

一套砂体指单井纵向泥岩隔夹层厚度小于2 m的砂体组合。净毛比指一套砂体中气层顶底之间总有效厚度与砂体总厚度的百分比, 用于定量表征气层的纵向集中发育程度。净毛比分3级：Ⅰ 级≥ 40%, Ⅱ 级20%~40%, Ⅲ 级< 20%。如图1所示。

图1 不同级别含气砂体净毛比示意

有效厚度指一套砂体中总有效厚度, 分3级：Ⅰ 级（厚）≥ 5 m, Ⅱ 级（中）2~5 m, Ⅲ 级（薄）< 2 m。

展布规模指气层的平面展布面积, 分3级：Ⅰ 级（大）≥ 0.36 km2, Ⅱ 级（中）0.09~0.36 km2, Ⅲ 级（小）< 0.09 km2。

4 应用分析
4.1 差异化改造效果

对苏里格气田中部3个区块（S 20、S 25、S 76）2023年149口完钻直定井596个气层进行储层分类评价。计算结果表明（表3）, Ⅰ 类储层平均占比10.9%, Ⅱ 类储层平均占比75.8%, Ⅲ 类储层平均占比13.3%, 其中以Ⅱ 类储层为主, 储层类型分布总体呈现两头少, 中间多的特征。

表3 2023年完钻直定井气层的储层分类评价

3个区块相比较, Ⅰ 类储层为S 20区块占比较高, S 25区块和S 76区块占比较低; Ⅱ 类储层为S 25区块和S 76区块占比较高, S 20区块占比略低; Ⅲ 类储层为S 20区块和S 76区块占比较高, S 25区块占比较低。

按照表2的标准对3个区块149口井596个气层进行储层差异化压裂改造, 试气成果分类统计如表4所示。试气显示Ⅰ 类储层平均占比12.1%, Ⅱ 类储层平均占比72.8%, Ⅲ 类储层平均占比15.1%。

表4 2023年完钻直定井气层试气成果分类统计

计算的储层类型与试气类型对比表明：Ⅰ 类储层减少1.2%, 符合率81.9%; Ⅱ 类储层增加3.0%, 符合率95.9%; Ⅲ 类储层减少1.8%, 符合率87.8%。平均符合率为93.0%。

以S 25区块S 25-4-41X井为例, 论证储层差异化压裂改造效果。该井62号干层和63号气层为一套砂体, 计算气层净毛比100%, 有效厚度5.1 m（厚度大）, 气层东西向宽700 m, 南北向长1 150 m（展布规模大）, 计算储层分类系数1.32, 为Ⅰ 类储层。

按照储层差异化压裂改造方案, 合理压裂规模为纵、横向大规模压裂。S 25-4-41X井于2023年5月29日压裂试气63号层, 测试无阻流量13.40× 104 m3/d, 试气类型属于Ⅰ 类储层。储层类型与试气类型一致, 如图2所示。

图2 S 25区块过S 25-4-41X井测井及气藏剖面图

4.2 气层产能预测

分析S 20、S 25、S 76区块149口井596个气层的储层分类系数与气层无阻流量的相关关系（图3）, 显示储层分类系数越大, 试气无阻流量越大, 两者呈比较好的指数相关关系, 相对误差9.2%, 可用于预测气层产能。

图3 储层分类系数与气层无阻流量相关关系

5 结论

（1）通过分析致密气藏产能影响因素, 甄选有效厚度、孔隙度、渗透率、含气饱和度、气测最大全烃、储层品质因子、渗透率变异系数、自然伽马、水动力指数9个地质参数, 采用K-means均值聚类分析算法, 建立了苏里格气田储层分类标准。

（2）依据储层分类标准, 采用归一化方法定义储层分类系数M, 以此定量划分储层类型：Ⅰ 类储层M≥ 1, Ⅱ 类储层0≤ M< 1, Ⅲ 类储层M< 0。

（3）以单套砂体为研究对象, 从气层的净毛比、储层类型、有效厚度、展布规模4个方面量化分析, 划分出15种储层组合类别, 并提出对应的合理压裂改造规模, 形成差异化改造分类方案。

（4）计算S 20、S 25、S 76区块2023年149口完钻井气层的储层类型, 与压裂试气结果对比, 平均符合率为93.0%。气层的储层分类系数与无阻流量呈比较好的指数相关关系, 可用于预测气层产能。

（ 编辑 王丙寅）

参考文献
[1] 冀光, 贾爱林, 孟德伟, 等. 大型致密砂岩气田有效开发与提高采收率技术对策: 以鄂尔多斯盆地苏里格气田为例[J]. 石油勘探与开发, 2019, 46(3): 602-612.
JI Guang, JIA Ailin, MENG Dewei, et al. Technical strategies for effective development and gas recovery enhancement of a large tight gas field: A case study of Sulige Gas Field, Ordos Basin, NW China[J]. Petroleum Exploration and Development, 2019, 46(3): 602-612. [本文引用:1]
[2] 孙永亮, 陈琦, 张泽, 等. 苏里格气田苏X 区块剩余气分布及井网加密方案研究[J]. 录井工程, 2022, 33(4)： 140-144.
SUN Yongliang, CHEN Qi, ZHANG Ze, et al. Study on remaining gas distribution and well pattern thickening scheme of Su X block of Sulige Gas Field[J]. Mud Logging Engineering, 2022, 33(4)： 140-144. [本文引用:1]
[3] 郝丽萍, 刘俊东, 赵然, 等. 苏里格气田测录井参数结合储集层有效性评价方法[J]. 录井工程, 2019, 30(2): 50-55.
HAO Liping, LIU Jundong, ZHAO Ran, et al. Method for evaluating reservoir effectiveness by combination of well logging and mud logging parameters in Sulige Gas Field[J]. Mud Logging Engineering, 2019, 30(2): 50-55. [本文引用:1]
[4] 赵全国, 孙皓, 邱丙静, 等. 苏里格气田气井分层产能贡献灰度评价[J]. 录井工程, 2022, 33(3): 126-131.
ZHAO Quanguo, SUN Hao, QIU Bingjing, et al. Gray relation evaluation of layered productivity contribution of gas wells in Sulige Gas Field[J]. Mud Logging Engineering, 2022, 33(3): 126-131. [本文引用:1]
[5] 刘金库, 孙永亮, 谢金梅. 苏里格气田25区块盒8段基于水动力能量的沉积微相展布[J]. 新疆石油地质, 2016, 37(1): 24-28.
LIU Jinku, SUN Yongliang, XIE Jinmei. Hydrodynamic energy-based sedimentary microfacies distribution of He-8 Member of Lower Shihezi Formation in Block-25, Sulige Gas Field[J]. Xinjiang Petroleum Geology, 2016, 37(1): 24-28. [本文引用:1]
[6] 代金友, 谢建慧, 李子龙, 等. 苏里格气田东区储层分类评价[J]. 石油地质与工程, 2017, 31(2): 57-60.
DAI Jinyou, XIE Jianhui, LI Zilong, et al. Reservoir classification and evaluation of He 8 and Shan 1 Members in the east of Sulige Gas Field[J]. Petroleum Geology & Engineering, 2017, 31(2): 57-60. [本文引用:1]
[7] 张程恩, 潘保芝, 刘倩茹, 等. 储层品质因子RQI结合聚类算法进行储层分类评价研究[J]. 国外测井技术, 2012(4): 11-13.
ZHANG Cheng′en, PAN Baozhi, LIU Qianru, et al. Reservoir classification evaluation research with combination of reservoir quality factor RQI and clustering algorithm[J]. World Well Logging Technology, 2012(4): 11-13. [本文引用:1]