青海東昆侖八寶山盆地高原含氣泥頁巖儲層關鍵參數評價

佘剛，葉志紅，張程恩，李興文，袁莎莎，王少卿

1.中國石油集團測井有限公司長慶分公司，陜西 西安 710200 2.中國石油集團測井有限公司吐哈分公司，新疆 鄯善 838200 3.中國石油集團測井有限公司青海分公司，甘肅 敦煌 736200 4.中國石油集團測井有限公司華北分公司，河北 任丘 062552

國內外多個區域及層系的開發結果證明，頁巖氣作為重要的非常規能源其儲層地質特征與常規能源有著明顯差異[1-2]，對于頁巖氣的測井評價更為復雜，常規測井手段難以滿足頁巖氣儲層評價的需要。目前，頁巖氣儲層參數的測井評價主要以巖心實驗為依據，在常規測井基礎之上綜合電成像、陣列聲波等大量特殊測井多尺度、高精度的測量及處理結果建立巖性、物性、含氣性等模型，形成了多種評價方法[3-6]。

青海東昆侖八寶山盆地三疊系八寶山組源巖品質及含氣性較好，其暗色泥頁巖是最好的頁巖氣儲層，但關于高原含氣泥頁巖儲層的研究較少，研究區源巖有機碳變化大、儲層礦物成分多樣、儲層空間復雜、巖性整體致密等特征也對開展高原含氣泥頁巖測井評價提出了更大挑戰。為此，本文充分挖掘常規測井、電成像及陣列聲波測井資料的有效信息，利用巖心刻度測井、相關性分析、最優化算法，數學形態學刻畫等方法探討了泥頁巖儲層關鍵參數評價方法，以期提高儲層參數的評價效果，為高原含氣泥頁巖儲層評價提供技術保障。

1 區域地質特征

八寶山盆地位于東昆侖地質構造帶的昆中結合帶及其南側，地處青藏高原西北緣青海中部東昆侖山內，海拔在4 000 m以上。盆地內中-下三疊統為海相沉積環境，上三疊統為濱海-陸相河湖沉積環境，其八寶山組為一套高原陸相碎屑巖及火山巖沉積，巖石類型復雜且縱向變化大，主要為砂泥質頁巖類，夾粗砂巖、中砂巖、細砂巖等粗中碎屑巖及少量安山巖，其暗色泥頁巖及少量炭質泥巖是主要的頁巖氣儲層[7-8]，主要特征為：①源巖品質較高，總有機碳含量(w(TOC))集中分布在0.5%～2%，最大有38.4%，暗色泥頁巖巖性主要為灰黑色泥質粉砂巖、炭質泥頁巖及煤層(線)等，當粉砂巖中炭質成分高時也可成為有效源巖；②礦物成分多樣，以石英、長石和黏土礦物為主，石英含量約40%～60%，平均為50%，黏土礦物含量約25～58%，平均35.5%，多為伊/蒙混層。方解石及白云石等碳酸鹽礦物較少，一般小于10%；③儲集空間復雜，八寶山組泥頁巖主要發育有機質微孔，其次為礦物粒間孔隙、微裂縫、層間頁理縫及延縫溶蝕孔，物性分析孔隙度0.13%～4.3%，平均2.5%，滲透率普遍小于1 mD，大多小于0.5 mD，孔喉半徑多為0.11～2.68 μm，整體儲層致密，僅有微米級孔隙結構；④儲層含氣性較好，含氣量最高達25.4 m3/t，解析氣主要為4.1～8.3 m3/t，且氣體中甲烷含量95%～100%；⑤脆性礦物含量高，石英、長石等脆性礦物具較好可壓性，易產生網狀縫，利于頁巖氣開采。

2 儲層參數評價

2.1 總有機碳含量計算

w(TOC)是評價泥頁巖生油氣或含油氣的主要參數，目前主要是利用巖心分析TOC刻度常規曲線以建立計算模型。常見的計算方法為線性回歸法，該方法主要基于自然伽馬能譜鈾(U)含量、體積密度、聲波時差等建立一元或多元線性模型來計算，特別是利用U含量法計算效果較好，在柴達木盆地廣泛使用[9]。第二類為電阻率和聲波時差(密度或中子)重疊法，簡稱ΔlgR法，該方法要求在非源巖處聲波時差與電阻率曲線基本重疊，并作為基線，而在富有機質層段生烴會使聲波時差及電阻率增大，兩條曲線采用相反刻度排列會出現分離或包絡；使用該方法時，讀取重合段對應的電阻率值ρt基線和聲波時差值Δt基線，兩條曲線的幅度差即為Δlgρ，表達式為：

w(TOC)=Δlgρ×10(2.297-0.168ILOM)×C

式中：ρt為地層真電阻率，Ω·m；ρbl為普通泥巖(非源巖)電阻率，Ω·m；k為聲波時差與電阻率曲線在泥巖段重合時的校正系數，一般取0.02；Δt為計算點的實測聲波時差，μs/m；Δtbl為普通泥巖的聲波時差，μs/m；ILOM為成熟度等級指數，由實驗室鏡質體反射系數(Ro)計算得到；C為校正系數，根據研究區w(TOC)分析資料標定。

式中：ρRHOG為骨架密度值，g/cm3；ρRHOB為體積密度值，g/cm3。

分析認為，基于鈾含量計算的w(TOC)受含鈾礦物影響，基于聲波時差和電阻率的ΔlgR法多受基線值及其他參數影響，Schmoker模型受孔隙流體及井眼影響，研究區又未進行元素俘獲或巖性掃描測井，即單一方法均不同程度受到影響，必須以實驗分析數據為依據探討各類方法在研究區的適應性。

在主要泥頁巖層段進行了大量取心及實驗分析，其w(TOC)實驗分析值0.10%～6.05%，平均1.25%，數據變化范圍較大。嘗試利用鈾含量、ΔlgR法、Schmoker模型等多種方法對其w(TOC)分別進行了求解，對比發現w(TOC)實驗分析值與Schmoker模型計算值誤差最大，與基于密度和電阻率的ΔlgR法計算值、基于中子孔隙度和電阻率的ΔlgR法計算值、基于孔隙度法的計算值一致性也較差；而改進的Schmoker模型、基于聲波時差和電阻率的ΔlgR法及U含量法計算的w(TOC)與w(TOC)實驗分析值對應性較好，但是上述3種方法都無法全井段準確地反映w(TOC)(見圖1)。因此，仔細對比3種方法計算的w(TOC)與實驗分析值之間的關系，通過加權計算的w(TOC)與實驗分析值具有較高的符合度。加權計算的w(TOC)表達式為：

式中：w(TOC)WC為加權計算的w(TOC)；w(TOC)ΔlgR為基于聲波時差和電阻率的ΔlgR法計算的w(TOC)；w(TOC)MODIFIED_SCHMOKER為改進的Schmoker模型計算的w(TOC)；w(TOC)U為U含量法計算的w(TOC)。

2.2 礦物成分計算

巖心薄片及全巖分析認為，研究區巖石礦物類型主要為黏土、石英、長石、方解石、白云石和少量黃鐵礦共6種，目前對于復雜礦物的精確計算主要依據元素俘獲測井，而研究區缺少元素俘獲測井資料。傳統的常規測井通過建立線性模型計算礦物的方法僅能得到最多3種礦物含量，且精度較低，效果差。因此，基于常規曲線發掘非常規的計算方法十分必要，而建立最優化數學模型求解可以較好地解決該問題。最優化算法是在地球物理反演的基礎上，以巖心分析及測井數據為基本來建立多礦物模型，利用輸入的初始儲層參數計算出的理論曲線與實測曲線的誤差，建立最優化解釋目標函數，并利用最優化算法不斷調整儲層參數輸入值使目標函數最小化，從而獲得儲層最優化解釋結果[12]。

最優化算法首先通過巖電對比選擇對于巖性比較敏感的中子、密度、聲波、光電截面指數、自然伽馬、深側向電阻率、自然伽馬能譜中的鈾、釷和鉀共9個參數，建立9個方程對所含的6種礦物成分進行最優化求解得到連續的礦物成分，可以將其表達為一個超定方程組[13]：

1)線性響應方程組：

R1=(C11×V1)+(C12×V2)+……+(C1n×Vn)

R2=(C21×V1)+(C22×V2)+…+(C2n×Vn)

……

Rm=(Cm1×V1)+(Cm2×V2)+…+(Cmn×Vn)

圖1 w(TOC)計算結果對比及方法優選Fig.1 Comparison of w(TOC) calculation results and optimization of methods

2)限制條件：

V1+V2+…+Vn=1

Vmin≤Vi≤Vmax，默認 0≤Vi≤1

式中：R1，R2，…，Rm為測井響應值，即上文提到的中子、密度等9個敏感曲線，即m取9；C11，C21，…，Cmn為礦物的測井響應參數；V1，V2，…，Vn為上文提到的6種礦物干重(失水后的質量)，即n取6。

為了取得更加實際的處理效果，處理過程中同時利用全巖分析結果對處理的礦物進行精細標定。圖2中泥頁巖段(954.0～984.0 m)取心進行全巖分析，各礦物的最優化計算結果與全巖分析結果基本接近，特別是黏土、石英、長石3種主要礦物具有較好的一致性。方解石與白云石總體含量較少，不易處理得到準確的白云石含量，但在碳酸鹽巖發育段，如井段984.0～998.0 m，密度2.74 g/cm3左右，聲波時差179 μs/m，中子孔隙度9.8%，深側向電阻率高達2 000 Ω·m以上，三孔隙度交會處于灰巖線附近，云質和灰質成分明顯增多，約占50%，極少量泥質成分，反映為鈣質砂巖，巖心描述為含礫粗砂巖，滴酸有反應，表明處理結果與巖性基本相符，充分說明基于常規曲線的最優化算法有效解決了研究區泥頁巖儲層的復雜礦物識別問題。

2.3 物性參數計算

巖心及薄片觀察認為，八寶山組泥頁巖主要發育有機質微孔，其次為礦物粒間孔隙、微裂縫、層間頁理縫及延縫溶蝕孔等多種儲集空間，常規方法難以對于各類儲集空間進行精細評價。對于基質孔計算，由于巖性較為復雜，通過實驗分析值與測井值之間建立關系，相關性均較差，為此利用最優化算法計算的多礦物含量結合體積模型求取混合骨架值，實現變骨架的基質孔隙度φ[13]，公式為：

ρma=ρqu×vqu+ρcl×vcl+ρca×vca+ρdo×vdo+ρK-fe×vK-fe

圖2 巖石礦物全巖分析結果Fig.2 Whole rock analysis results of rocks and minerals

式中：ρma為混合骨架值；(密度部分用各礦物對應的骨架值表示)ρqu為石英密度值，取2.65 g/cm3；ρcl為黏土密度值，取2.60 g/cm3；ρca為方解石密度值，取2.71 g/cm3；ρdo為白云石密度值，取2.87 g/cm3；ρK-fe為鉀長石密度值，取2.52 g/cm3；(體積部分為礦物含量)vqu為石英含量，1；vcl為黏土含量，1；vca為方解石含量，1；vdo為白云石含量，1；vK-fe為鉀長石含量，1；ρb為測井密度值，g/cm3；ρf為流體密度值，g/cm3。

對于裂縫的定性和定量描述，最準確且最直觀的方法就是利用電成像的高清圖像來評價，可以得到裂縫的類型、規模、產狀等，定量評價主要是對所拾取的裂縫的開度(寬度)、密度、長度及裂縫孔隙度進行定量計算。目前應用比較多的是利用有限元法對裂縫寬度進行量化[14]，公式為：

式中：W為裂縫寬度，mm；c和b為常數，與儀器相關，取決于成像測井儀器的具體結構；A為裂縫引起的異常電流面積，m2；ρm為泥漿濾液電阻率，Ω·m，一般常規測井會測量得到；ρxo為沖洗帶電阻率，一般直接取經淺側向刻度過的電成像微電阻率值，Ω·m。

對于溶蝕孔縫直接量化評價效果比較好的是斯倫貝謝公司的PoroTex圖像處理技術[15]，該技術以數學上的形態學理論為基礎，通過交會圖及人機交互的方式選擇適合的的截止值或門檻，使電成像圖像上的孔縫洞基本被代表溶蝕的顏色所覆蓋，從而可以對孔縫洞的面積及所占圖像百分比進行提取并計算。并通過面孔率、面孔面積等參數量化表達，可以更好地反映次生孔隙的發育、連通情況，對孔隙結構也一定指示能力。

成像測井可以直接的對裂縫進行定性及定量描述，但由于測量深度較淺，對于地層裂縫及溶洞的發育及徑向延伸展布情況不能準確預測，而陣列聲波測井可以提供縱波、橫波及斯通利波等聲波信息，反演得到的聲波幅度、衰減系數、地層滲透率，特別是斯通利波的反射系數及流體移動指數可以較好的表達地層的滲透能力和裂縫的連通性[16]，結合實驗分析建立起流體移動指數與滲透率的關系，公式為：

式中：IQFM為流體移動指數，μs/m；S為總斯通利波時差，μs/m，由陣列聲波測井時差提取得到；ρm為泥漿密度，g/cm3；Km為泥漿體積模量，由泥漿密度和縱、橫波速度得到，MPa；G為地層剪切模量，由密度測井及橫波速度得到，MPa；K為滲透率，mD。

圖3 儲層物性處理結果對比Fig.3 Comparison of reservoir physical property treatment results

通過儲層物性處理結果(見圖3)對比發現，通過變骨架的基質孔隙度計算結果與實驗分析結果較為接近；基于陣列聲波反演計算的滲透率與實驗分析結果在縱向具較好的一致性；綜上，計算值基本能夠滿足儲層評價的要求。

圖4為研究區含氣泥頁巖儲層物性綜合評價結果，其中第4道為基于巖石礦物變骨架的基質孔計算結果，第4～6道為基于電成像的裂縫參數計算結果，第7道為PoroTex圖像處理技術計算的面孔面積及面孔率，第8～10道為陣列聲波計算得到的聲波幅度等儲層滲透性參數。通過各類參數對儲層空間的精細刻畫，認為研究區泥頁巖儲層分為兩種類型：一類為泥頁巖本身具備裂縫及溶蝕孔縫等儲集空間，如圖4中824～834 m井段，變骨架的基質孔隙度僅1%左右，但局部裂縫較為發育，且裂縫寬度較大(0.36 mm)，裂縫孔隙度0.43%，PoroTex圖像處理技術計算的面孔面積15.74 in2，面孔率17.19%；對應的陣列聲波幅度較小，衰減明顯，也具較強的“人字型條紋”反射，反射系數明顯高于上下層，說明該井段儲層自身物性較好且徑向滲透性及裂縫連通性好。另一類為與泥頁巖呈互層狀或夾于泥頁巖中的薄層泥質砂巖儲層，如圖4中850～856 m井段，裂縫十分發育，且延縫溶蝕現象明顯，計算的各類參數均說明該井段物性較好，裂縫具有一定規模且連通性好，為一典型的含氣泥頁巖儲層。

2.4 含氣性評價

泥頁巖儲層的含氣性受有機碳、礦物組分、儲層物性及溫度、壓力等多因素影響，對其含氣量、吸附氣及游離氣的評價需要考慮多種因素的作用。一般對于吸附氣計算通?；诘葴匚綄嶒?，采用朗格繆爾方程來計算，而游離氣通常采用基于體積壓縮因子、孔隙度、含水飽和度等參數的經驗模型估算[10]。由于研究區缺少等溫吸附實驗參數，無法計算得到相對準確的含水飽和度，采用方程或經驗模型評價含氣性有一定難度。因此，考慮其他方法間接計算：首先優選與含氣量比較敏感的體積密度、w(TOC)等參數與吸附氣含量建立相關關系，發現含氣量與體積密度呈負相關，而與w(TOC)呈正相關(見圖5)，再結合兩個參數采用二元回歸計算得到更加準確的吸附氣含量，表達式為：

Gs=-10.29ρv+1.2w(TOC)+34.14R2=0.91

式中：Gs為吸附氣含量，m3/t；ρv為體積密度，g/cm3。

對于總含氣量計算，基于研究區收集到的95件代表性較強的實驗分析數據，通過與常規測井曲線值、孔隙度等參數一一建立關系，優選與總含氣量相關的敏感參數，發現補償中子孔隙度、深側向電阻率可以較好地反映儲層的總含氣量(見圖6)；計算的總含氣量與實驗的總含氣量符合度較高，基本可以用于評價儲層總含氣量(見圖7)；再與吸附氣含量之差得到游離氣含量，關系式為：

Gt=0.59φCNL+0.001 5ρt-6.75R2=0.72

Gcfm=Gt-Gs

式中：Gt為總含氣量，m3/t；Gcfm為游離氣含量，m3/t；φCNL為補償中子孔隙度，%；ρt為深側向電阻率，Ω·m。

圖4 含氣泥頁巖儲層物性綜合評價結果Fig.4 Comprehensive evaluation results of physical properties of gas-bearing shale reservoir

圖5 Gs與ρv及w(TOC)關系圖Fig.5 Relationship of Gs with ρv and w(TOC)

2.5 可壓裂性評價

頁巖氣儲層由于較為致密，目前普遍采用壓裂工藝施工開采，因此，對于巖石的可壓裂性即脆性及破裂壓力評價比較關鍵。對于脆性評價一般用脆性指數來表達，通過礦物加權處理可以得到更加準確的結果[17]，公式為：

式中：IB為礦物加權計算的脆性指數，%；Vi為來自元素俘獲測井或常規測井處理的各礦物含量；IB，i為各礦物的脆性指數，取實驗分析值。

圖6 Gt與φCNL及ρt關系圖Fig.6 Relationship of Gt with φCNL and ρt

另一種脆性評價方法是根據陣列聲波測井的巖石力學參數得到，認為基于縱橫波及密度反演的泊松比、彈性模量是巖石力學的整體反映，國內外通過相關現場實踐認為巖石物理學法更能反映巖石的脆性，公式如下：

式中：E為地層的彈性模量，MPa；Emax、Emin分別為最大、最小彈性模量，MPa；δ為泊松比，1；δmax、δmin分別為最大、最小泊松比，1。

由于陣列聲波測井參數可靠性強，可以計算得到泊松比和體積模量等氣層判斷參數及地層破裂壓力，計算結果較為豐富，首選陣列聲波測井進行脆性指數和破裂壓力的計算，并結合實驗分析得到的靜態彈性模量和靜態泊松比實現動靜態參數轉換以減小計算誤差，表達式為：

δs=3.037 1×δd-0.648

Es=4.445 7×Ed+0.211 1

式中：δs、δd分別為靜態、動態泊松比，1；Es、Ed分別為靜態、動態彈性模量，MPa。

通過巖石力學靜態參數計算的脆性指數與實驗分析結果具有較好的對應性(見圖7)，但相比較而言，通過礦物加權計算的脆性指數更為理想，與實驗分析結果的符合度更高，再結合陣列聲波處理的破裂壓力、應力等參數，可以實現對泥頁巖儲層較為全面的可壓裂性評價。

2.6 儲層品質評價標準

利用常規、電成像及陣列聲波測井等資料處理的泥頁巖儲層總有機碳含量、礦物組分、孔隙度、含氣量、脆性指數等參數，結合研究區泥頁巖儲層特性及開采效果，參考國內其他地區頁巖氣評價方法，將八寶山盆地泥頁巖儲層劃分為三類(見表1)：Ⅰ類儲層，在現有試采工藝條件下能夠獲得工業氣流；Ⅱ類儲層，在現有工藝條件下能夠獲得低產氣流；Ⅲ類儲層，在現有工藝條件下只產少量氣或不產氣。依據上述標準綜合劃分八寶山盆地高原含氣泥頁巖有利儲集段，優選最佳層段試氣試采。

3 應用效果

根據儲層關鍵參數評價方法及儲層品質評價標準對八寶山盆地B2井進行了處理解釋(見圖8)，該井654.0～665.5 m、680.0～692.2 m兩個井段為Ⅰ類儲層：第1井段為黑色粉砂質泥巖層，源巖品質較好，w(TOC)WC為2.7%；儲層基質微孔、裂縫及溶蝕孔縫均發育，陣列聲波變密度圖上反射條紋明顯，斯通利波幅度減小、反射系數增強、衰減增大，反映出孔縫延伸遠且連通性好，計算的變骨架的基質孔隙度1.15%，滲透率0.016 mD，裂縫孔隙度0.2%；該井段儲層含氣性較好，泊松比與壓縮系數含氣包絡面積較大，氣測全烴抬升明顯，計算總含氣量11.18 m3/t，吸附氣含量6.82 m3/t，游離氣含量4.36 m3/t；該井段破裂壓力整體較低，為19.9 MPa，上部脆性指數較強，為67.8%，且上部泥質含量相對較低，溶蝕及裂縫較下部更加發育，也易于壓裂改造，測試產氣量貢獻更大。同理，第2井段也具有類似特征。上述兩井段進行上下一體分層段試氣后獲得高產天然氣。應用結果再次證明，對八寶山盆地高原含氣泥頁巖儲層關鍵參數評價有效地解決了研究區頁巖氣儲層的評價難題并取得了較好的應用效果。

圖7 儲層總含氣量及脆性指數計算結果Fig.7 Calculation results of total gas content and brittleness index of the reservoir

表1 八寶山盆地高原含氣泥頁巖儲層品質評價標準

4 結論與認識

1)通過實驗與理論相結合，嘗試多方法求解w(TOC)，優選改進的Schmoker模型、基于聲波時差和電阻率的ΔlgR法及U含量法等3種方法加權處理提高了w(TOC)的計算精度；基于敏感參數的最優化算法，通過超定方程組求解，能夠較好地評價復雜泥頁巖儲層巖石礦物含量。

2)基于巖石礦物變骨架的基質孔隙度計算和基于電成像的裂縫參數計算及PoroTex圖像處理技術對次生孔隙進行了全面評價，陣列聲波測井可以在徑向上與電成像測井形成互補，對于孔縫的徑向連通性可以進行精確刻畫，有效解決了八寶山盆地高原含氣泥頁巖儲層復雜儲集空間表征難題。

圖8 B2井泥頁巖儲層品質綜合評價成果圖Fig.8 Comprehensive evaluation results of shale reservoir quality in well B2

3)基于敏感參數建立的多元回歸模型評價儲層含氣量、吸附氣含量及游離氣含量，與實驗分析結果有較好的一致性；可壓性評價方面，礦物加權計算的脆性指數相對于巖石力學參數計算的脆性指數具有更理想的效果。

4)基于上述儲層關鍵參數評價模型，形成了八寶山盆地高原含氣泥頁巖儲層品質評價標準，為試氣選層提供了依據。實際應用結果表明，八寶山盆地高原含氣泥頁巖儲層關鍵參數評價方法有效解決了研究區頁巖氣儲層的評價難題并取得了較好的應用效果。