常规碎屑岩储集层原生孔隙发育, 同时可见次生溶蚀孔隙以及黏土矿物微孔隙, 孔喉尺度为微米级, 孔喉之间连通性较好(Nelson, 2009; Rezaee et al., 2012)。碳酸盐岩则发育不同类型、不同尺寸多尺度孔喉网络系统(赖锦等, 2021b)。致密储集层(覆压渗透率小于0.1× 10^-3μ m²)原生孔隙发育较少, 以粒间溶蚀孔、长石岩屑颗粒粒内溶孔、黏土矿物微孔隙为主, 孔喉尺寸主要是微米级— 纳米级, 孔隙结构复杂(Anovitz and Cole, 2015; Lai and Wang, 2015; Lai et al., 2016; 孙龙德等, 2019)。页岩油气储集层覆压渗透率最低, 甚至小于0.01× 10^-3μ m², 仅存在少量粒间孔, 页岩主要储集空间为纳米级的粒内孔隙、有机质孔、晶间孔等, 孔喉连通性最差(图 1)(邹才能等, 2011; Loucks et al., 2012; Zou et al., 2019; 金之钧等, 2021)。

图 1

Fig.1

Figure Option ViewDownloadNew Window

图 1 不同常规、致密和页岩储集层类型典型特征对比 A— 常规储集层, 渤海湾盆地南堡凹陷东营组, 细砂岩, 南堡23-2704井, 3362.0 m; B— 粒间孔和少量粒内溶孔, 铸体薄片, 南堡23-2704井, 3362.0 m; C— 原生粒间孔发育, 扫描电镜, 南堡23-2704井, 3362.0 m; D— 致密储集层, 库车坳陷巴什基奇克组, 细砂岩, 博孜3井(深度未知); E— 粒内溶蚀孔隙和少量原生粒间孔, 铸体薄片, 克深505井(深度未知); F— 黏土矿物微孔隙发育, 扫描电镜, 克深505井(深度未知); G— 页岩储层, 鄂尔多斯盆地延长组长7段, 页岩, 城96井, 2056.59~2056.72 m; H— 镜下无可见孔隙, 黏土、有机质和粉砂质纹层, 乐85井, 1589.89 m; I— 黄铁矿晶间孔, 扫描电镜, 蔡30井, 1970.05 mFig.1 Typical characteristic comparisons of conventional reservoir, tight reservoir and shale reservoir

非常规油气其油气富集模式多为源储一体、油气连续聚集, 油气富集机理受控于源储配置关系和储集层自身属性, 在成藏过程中以超压和扩散作用作为主要成藏动力, 油气主要富集在低能贫氧— 厌氧的深湖— 半深湖亚相(焦方正等, 2019; 朱如凯等, 2022)。而早期勘探开发为主的常规油气藏, 以圈闭成藏为理论依据, 油气富集模式多为源储分离, 富集机理受控于构造背景和沉积特征, 在成藏过程中以浮力和毛管阻力为主要动力, 油气主要富集于高能水体环境中(焦方正, 2019; 马永生等, 2021; 朱如凯等, 2022)。以致密油气和页岩油气为典型代表的非常规油气除具有源储一致或源储紧邻的特征外, 往往其岩性复杂, 储集层致密, 薄互层发育, 导致非均质性和各向异性均较强, 决定了对测井评价技术理论体系的特殊需求(赖锦等, 2021a; 刘国强, 2021; Lai et al., 2022a)。与常规储集层“ 四性关系” (岩性、物性、电性、含油气性)测井评价不同, 源储一致或紧邻的非常规油气测井评价往往要在“ 四性关系” 基础上强调烃源岩特性的评价, 且因为非常规油气无自然产能, 需求压裂才能建产, 因此更需注重脆性和地应力各向异性的分析与解释, 即“ 七性关系” 评价(孙建孟, 2013; 李国欣和朱如凯, 2020; 李国欣等, 2021; 刘国强, 2021; 赖锦等, 2021a)。非常规油气测井评价除关注储集层品质外, 还需要强调烃源岩品质并注重工程品质, 通过烃源岩品质可落实资源“ 甜点” 区/带, 通过储集层品质分类可预测地质“ 甜点” 区/带, 而根据工程品质分类可优选压裂“ 甜点” 区/带(杨智等, 2015; 张鹏飞等, 2019; 闫伟林等, 2021; 郑建东等, 2021; 赖锦等, 2021a; 杨小兵等, 2022)。

全序列测井技术包括常规测井(自然伽马、声波和电阻率等)、高分辨率阵列感应(HDIL)、自然伽马能谱测井(K, Th, U含量)、元素俘获测井(ECS)、LithoScanner、阵列声波测井(DSI等)、微电阻率成像测井(FMI等)、核磁共振测井(NMR)等(匡立春等, 2013; 蒋平等, 2015; 赖锦等, 2021a)。针对非常规油气储集层测井评价, 常规测井可判断岩石矿物组分、判别岩性、识别流体性质以及计算TOC含量等(Passey et al., 1990)。元素俘获谱测井(ECS)以及LithoScanner可获取地层中Si、Ca、Fe等元素含量, 通过进一步处理可获得组成岩石矿物含量(黏土、碳酸盐、长英质等)(王敏等, 2013)。阵列声波测井可用于岩石力学参数如杨氏模量、泊松比等测井计算, 进一步可用于脆性指数测井评价, 并可用于判别现今地应力方向(赖锦等, 2016; Lai et al., 2017)。成像测井可拾取厘米级的纹层(矿物组分)变化, 并可进一步判别沉积构造以及裂缝发育特征, 在岩相识别以及地质甜点评价中应用广泛, 同时可通过诱导缝、井壁崩落等判别地应力方向(Lai et al., 2018; 李宁等, 2020)。核磁共振测井能够反映地层岩石孔隙结构和流体信息, 且不受骨架影响, 因此在评价储集层质量以及流体性质方面具有独到的优势(Sun and Dunn, 2005; 肖立志, 2007; Wang et al., 2020)。在常规测井序列基础上, 元素俘获、核磁共振和成像测井等新方法的广泛应用, 提高了非常规油气矿物组分、孔隙结构和储集层甜点发育特征的测井识别精度(赵贤正等, 2017; 赖锦等, 2021a; 刘国强, 2021)。

非常规油气测井储集层评价注重“ 七性关系” 研究。测井评价的首要任务是发现和评价含油气层(金鼎等, 2007; 李剑浩, 2007), 对于非常规油气而言同样如此。测井储集层评价主要包括储集层参数(孔、渗、饱)计算以及流体性质判别(汤天知等, 2020; 刘国强, 2021; 郑建东等, 2021; 谭锋奇等, 2022)。储集层孔隙度一般情况下可以通过常规测井AC、DEN和CNL组合通过线性关系以及多元回归拟合实现孔隙度测井计算(李宁等, 2020)。核磁共振测井在页岩孔隙度计算中优势明显, 一般情况下可以3 ms为截止值计算有效孔隙度, 10 ms为截止值计算有效孔隙度(李宁等, 2020)。王伟等(2019)利用岩心核磁共振实验刻度, 确定总孔隙度核磁共振T₂谱起算时间为0.3 ms(即0.3 ms以上的弛豫组分为孔隙信号, 而0.3 ms以下的弛豫组分为干黏土或者岩石骨架信号), 而有效孔隙度起算核磁时间为1.7 ms, 并采用迭代法(式1)实现了吉木萨尔地区芦草沟组储集层有效孔隙度的准确计算(王伟等, 2019; 刘雅慧等, 2021)。

φ=∫T2cutoffT2maxS(T)dt∫T2minT2maxS(T)dt×100%(1)

式中, φ 为有效孔隙度, T_2cutoff、T_{2 max}、T_{2 min} 分别为T₂截止值(1.7 ms), 最大、最小横向弛豫时间, ms; S(T)为横向弛豫时间相关的孔隙度分布函数(刘雅慧等, 2021)。

渗透率的测井计算可基于核磁共振计算的总孔隙度, 再结合核磁导出的T₂几何平均值以及束缚水饱和度(BVI)等参数, 通过Timur-Coats模型以及斯伦贝谢的Schlumberger Doll Research(SDR)模型实现渗透率测井评价(Rezaee et al., 2012)。

除孔隙度外, 含油气饱和度的定量计算也是优选页岩地质“ 甜点” 的重要参数之一(夏宏泉等, 2017)。同样也可以利用迭代法实现含油饱和度测井计算(Kuang et al., 2020; Pang et al., 2022), 刘雅慧等(2021)通过岩心分析含油饱和度刻度, 确定吉木萨尔凹陷芦草沟组储集层7 ms以上的组分为油信号, 并采用核磁迭代法计算了含油饱和度, 结果与岩心分析吻合较好(式2)。

So=∫T2cutoffT2maxS(T)dt∫T2minT2maxS(T)dt×100%(2)

式2中, So为含油饱和度, 计算含油饱和度时T_2cutoff取值为7.0 ms。

通过CMR核磁共振测井, 分别选取1.7 ms 和7.0 ms 作为截止值, 基于核磁共振T₂谱通过迭代法实现了有效孔隙度和含油饱和度测井计算, 同时通过Coats模型计算了单井渗透率, 在参数计算基础上, 进行单井流体性质的判别, 单井上识别出典型的8个油层段(图 2)。可以看到油层段电阻率不一定最高, 但深、浅电阻率往往具有一定的分异, 其T₂谱形态往往较宽, 甚至存在拖尾现象, 再结合孔隙度和饱和度参数的计算, 可实现单井油层的识别(图 2)。

图 2

Fig.2

	Figure Option ViewDownloadNew Window
	图 2 吉木萨尔凹陷芦草沟组测井储集层参数计算与流体性质识别评价Fig.2 Calculation of reservoir parameters and fluid property determination using well logs for the Lucaogou Formation in Jimusar sag

与源储分离的常规油气不同, 非常规油气测井评价需求实现烃源岩以及源储配置观察测井评价(钟高润等, 2016; Godfray and Seetharamaiah, 2019)。烃源岩品质决定了油气的富集程度(杜江民等, 2016)。烃源岩测井评价包括烃源岩定性识别以及TOC、S1和S2等指标测井定量计算, 目前烃源岩可根据其高GR(尤其高U)、高中子、高电阻率、高声波时差、低密度等测井响应特征进行定性识别(Passey et al., 1990; Shalaby et al., 2019; Zhao et al., 2019; 郑建东等, 2021)。而TOC含量的测井定量计算方法相对比较成熟, 目前可依据可归纳为5种方法: (1)Δ logR方法, 目前该方法相对比较成熟, 已经得到广泛推广应用(Passey et al., 1990; 王贵文等, 2002); (2)改进的Δ logR方法, 如变基线的方法, 可以消除由于岩石骨架特征变化的影响, 提高TOC计算精度(Zhao et al., 2016); (3)自然伽马能谱测井, 如利用自然伽马测井U曲线建立TOC定量计算模型(陆巧焕等, 2006); (4)多元曲线回归法, 如GR、AC、CNL和RT等测井曲线通过多元回归建立TOC测井定量计算模型(Aziz et al., 2020); (5)人工智能方法如人工神经网络、支持向量机法等, 人工智能方法的运用可提高TOC测井计算的效率(Wang et al., 2019; Amosu and Sun, 2021)。

除上述基于常规测井的TOC测井计算方法外, 新技术测井资料LithoScanner测井也可应用于TOC含量的测井计算: 首先LithoScanner测井可以获得地层中的总碳(TC)含量, 由有机碳(TOC)和无机碳(TIC)构成, 无机碳主要存在于碳酸盐矿物如方解石CaCO₃和白云石CaMg(CO₃)₂, 利用总碳减去无机碳含量, 那么得到的就是有机碳TOC含量(图 3)。跟离散分析的岩心数据相比, 相对纵向连续性好的测井曲线可实现TOC含量、烃源岩品质的单井连续评价, 由此指导资源甜点预测等工作。

图 3

Fig.3

	Figure Option ViewDownloadNew Window
	图 3 基于常规、LithoScanner以及成像测井的古龙凹陷青山口组页岩岩相测井评价Fig.3 Log evaluation of lithofacies of Gulong sag Qingshankou Formation using conventional well logs, LithoScanner and image log

自1979年欧· 塞拉提出测井相从而搭建测井曲线和沉积解释之间的桥梁以来(Serra, 1979), 不同系列测井资料即被广泛运用于砂岩和碳酸盐岩沉积储集层特征精细描述与评价工作中(Lai et al., 2018; 赖锦等, 2018, 2021)。而非常规油气烃源岩和储集层均属于细粒沉积岩, 指粒径小于0.0625 mm的颗粒含量占50%以上的沉积岩(Aplin and Macquaker, 2011; Ghadeer and Macquaker, 2011; 周立宏等, 2018; 刘可禹和刘畅, 2019)。细粒沉积岩在全球各个盆地广泛分布, 其主要矿物成分包括黏土矿物、粉砂、碳酸盐和有机质等(Loucks et al., 2009; 姜在兴等, 2014)。细粒沉积岩沉积背景相对单一, 如海相页岩主要发育深水陆棚相, 而陆相页岩以半深湖— 深湖亚相为主(蒋裕强等, 2016), 但细粒沉积岩粒度细、矿物成分复杂。岩相是在一定沉积环境形成的岩石或岩石组合, 岩相表征细粒沉积岩粒度、矿物组成、沉积构造及有机地球化学等特征(付金华等, 2013; 蒋裕强等, 2016; Liu et al., 2019), 是页岩油等非常规储集层“ 甜点” 识别的基础, 因此岩相的地质识别与划分以及测井评价与预测工作至关重要(李国欣等, 2021; 马永生等, 2022)。

目前没有统一的岩相划分标准, 细粒沉积岩岩相划分一般可依据三级指标, 即有机质丰度— 沉积构造— 矿物成分(Liu et al., 2019; 柳波等, 2021; 黎茂稳等, 2022; 马永生等, 2022), 其中, 沉积构造反映水动力条件, 矿物成分决定储集空间, 而有机质丰度反映资源潜力与烃类聚集, 通常随着沉积环境水动力条件减弱, 黏土矿物含量以及TOC值逐渐升高(柳波等, 2018; 马永生等, 2022)。付金华等(2013)基于岩心薄片资料以及测井上可识别标志, 将鄂尔多斯盆地延长组长7段划分出油页岩岩相、暗色泥岩岩相、砂质泥岩与泥质砂岩岩相和砂岩岩相。姜在兴等(2014)基于碳酸盐、黏土矿物和有机质三端元组分, 以2%和4%作为低、中、高有机质的划分界限, 划分出中国东部湖相细粒沉积岩典型高有机质页状灰岩、高有机质页状黏土岩、中有机质页状灰岩、中有机质页状灰质黏土岩、低有机质灰泥灰岩、低有机质块状黏土岩相共6种岩相。柳波等(2018)以沉积构造特征(块状、层状和纹层状)、有机质丰度TOC值1%和2%为界限, 以及黏土矿物含量20%为界限, 将松辽盆地青山口组一段细粒沉积岩划分出中等有机质含量纹层状长英质泥岩相等7种岩相类型。

测井序列中, 常规测井对岩性、矿物成分以及流体性质响应灵敏, 但其分辨率较低, 约1.0 m, 成像测井则可连续拾取毫米级(5 mm)矿物成分以及沉积构造变化特征, 地球化学测井如元素俘获ECS以及LithoScanner测井则可提供单井连续的矿物组分(黄铁矿、黏土、长英质、碳酸盐等)变化(魏国等, 2015; 赖锦等, 2021a)。因此细粒沉积岩岩相的测井识别与评价首先可通过LithoScanner测量岩石矿物组分以及总碳(TC)、无机碳(TIC)以及有机碳TOC含量, 或者利用常规测井采用Δ logR进行TOC计算(Passey et al., 1990; 王贵文等, 2002; 朱光有等, 2003; Shalaby et al., 2019), 然后通过成像测井识别块状、层状和纹层状沉积构造(Lai et al., 2018; Wang S et al., 2021), 在此基础上即可利用测井资料连续识别与划分岩相(图 3)。

松辽盆地古龙凹陷青山口组页岩形成于深湖— 半深湖环境, 广泛发育层状和纹层状页岩, 且存在粉砂岩、介壳灰岩等夹层, 有机质丰度高, w(TOC)主要为2.0%~3.0%(何文渊等, 2021; 郑建东等, 2021)。通过岩心观察等发现古龙页岩发育云质泥岩、黏土质页岩、长英质页岩以及介壳灰岩等岩性(李宁等, 2020; 何文渊等, 2021; 郑建东等, 2021)。首先通过LithoScanner测井识别了单井连续的矿物组分(黏土、石英、长石、碳酸盐、黄铁矿等)特征(图 3), 并利用LithoScanner探测地层总碳含量, 去除无机碳含量, 剩下的即为有机碳(TOC)含量(图 3), 由此实现单井岩性的识别与划分以及TOC含量的定量计算, 在此基础上通过成像测井资料识别了纹层状、层状和块状沉积构造(图 3), 最终通过有机质丰度— 沉积构造— 矿物成分实现岩相的测井判别(图 3)。

常规油气储集层侧重构造裂缝评价, 不同类型和产状的构造裂缝对油气的运移和聚焦起重要控制, 目前针对砂岩、碳酸盐岩储集层裂缝测井识别与评价已经形成完善的解释方法流程(Ameen et al., 2012; Khoshbakht et al., 2012; 赖锦等, 2015; Lai et al., 2018)。而以细粒沉积岩为主的非常规油气储集层, 因为处于盆地腹地或斜坡区, 构造相对平缓, 同时岩石塑性较强, 因此构造裂缝发育较少, 而层理缝(页理缝)在非常规油气运移和聚集中扮演重要角色(Zeng et al., 2016; Ladevè ze et al., 2018; 鞠玮等, 2020; 闫建平等, 2022)。细粒沉积岩沉积纹层广泛发育, 纹层界面通常属于力学性质薄弱界面(郭旭升等, 2016; Heng et al., 2020), 层理缝是指经构造改造、流体异常压力以及成岩作用等导致岩石沿层理面发生破裂而形成的裂缝(鞠玮等, 2020), 层理缝是非常规油气储集层中最常见的裂缝类型, 当然还发育流体超压裂缝以及构造缝(郭旭升等, 2016; Zhang et al., 2017; Liu et al., 2020; Liang et al., 2021)。层理缝与沉积层理的区别在于原层理发育位置存在透入性破裂面、不存在岩石内聚力(鞠玮等, 2020)。层理缝的发育可改善储集层物性, 同时有利于油气富集(Momeni et al., 2019; 鞠玮等, 2020; Li et al., 2021)。

吉木萨尔凹陷芦草沟组形成于咸化湖盆沉积环境, 发育三角洲、滩坝等沉积相, 其岩性主要为泥岩、粉砂岩和碳酸盐岩(高岗等, 2016; 郭旭光等, 2019; 王小军等, 2019)。吉木萨尔芦草沟组岩心上层理缝常平行于层理面出现, 荧光光源照射下可观察到层理缝面较强的荧光特征(图 4)。层理缝在测井上表现为高声波时差、低电阻率的响应特征, 中子、自然伽马测井等对层理缝发育响应不灵敏(图 4)(赖锦等, 2015; Lai et al., 2022b)。成像测井在非常规油气裂缝和层理缝的定性解释与定量评价方法应用广泛(Lai et al., 2018)。高分辨率成像测井可拾取层理缝发育的形态, 其与层理的区别在于且沿层理缝面常出现后续的胶结与溶蚀, 从而使得裂缝面呈现为明暗相间不连续界面(图 4)(黄玉越等, 2022; Lai et al., 2022b)。

图 4

Fig.4

	Figure Option ViewDownloadNew Window
	图 4 吉木萨尔凹陷芦草沟组层理缝测井响应特征Fig.4 Responses of bedding parallel fracture on well logs of the Lucaogou Formation in Jimusar sag

通过成像测井, 结合岩心观察刻度, 再利用常规测井序列的声波和电阻率测井, 可以识别与评价非常规储集层单井层理缝分布特征(图 4)。成像测井在非常规油气层理缝评价方面应用成效显著, 通过成像测井可以拾取岩石中沉积层理的特征, 进一步可以拾取诱导缝和井壁崩落的特征, 用以判别现今地应力方向, 在此基础上可以连续拾取单井发育的层理缝特征(图 5)。层理缝走向往往与沉积层理面的走向基本一致, 且其倾角基本小于10° , 由于倾角较低, 其张开度也较差, 且受后期溶蚀与胶结的影响, 层理缝面往往不规则, 在成像测井上表现为明暗断续的正弦曲线(图 5)(Lai et al., 2022b)。

图 5

Fig.5

	Figure Option ViewDownloadNew Window
	图 5 基于成像测井的吉木萨尔凹陷芦草沟组层理缝、诱导缝和层理面识别与评价(J10035)Fig.5 Bedding planes, induced fracture, natural fracture picked out from image logs of the Lucaogou Formation in Jimusar sag(J10035)

非常规油气开发缺少自然产能, 需要钻水平井以及采取压裂改造等才能获得工业油流, 脆性和地应力是压裂改造中的重点评价内容, 二者决定了工程甜点的分布。脆性评价旨在优选利于规模压裂的可压裂储集层段(赖锦等, 2016), 一般有2种利用测井资料计算脆性的方法, 其一为岩石力学参数法(杨氏模量和泊松比), 其二为矿物组分比值法(石英、碳酸盐等为脆性矿物)(Jarvie et al., 2007; Lai et al., 2015; 赖锦等, 2016; Iqbal et al., 2018; Kumar et al., 2018; Zhao et al., 2019)。而地应力评价可对井网布置、钻完井设计、压裂改造、井壁稳定性分析提供指导, 因此压裂过程中现今地应力的方向和大小的评价至关重要(Iqbal et al., 2018; Stadtmuller et al., 2018; Lai et al., 2019)。

由于在压裂过程中形成的压裂裂缝易沿最大水平主应力扩展, 为了获得大体积的横切裂缝系统, 非常规油气布井时常沿最小主应力方向布置, 且水平井一般沿最小水平主应力或小于30° 夹角钻进(贾长贵等, 2014)。这一方面可以有效避免井壁失稳、井塌; 另一方面能够保证沿现今最大主应力方向压裂, 提高压裂效果, 最好的射孔方位通常也是沿着最大水平主应力方向(陆黄生, 2012; 贾长贵等, 2014)。现今地应力的方向可基于成像测井拾取诱导缝(指示最大水平主应力方向SHmax)和井壁崩落(指示最小水平主应力方向Shmin)方位获得(Lai et al., 2018), 同时阵列声波测井提取的快慢横波方位也可用于地应力方向判别, 快横波方向指示现今最大水平主应力方向(图 6)。图 6中的地层各向异性图表明, 该井SHmax总体为北东— 南西向地应力, 但随着埋深增大, SHmax方向发生偏移, 近于近东西向(赖锦等, 2021a)。

图 6

Fig.6

	Figure Option ViewDownloadNew Window
	图 6 苏北盆地古近系阜二段页岩现今地应力方向和大小以及脆性指数测井评价Fig.6 Well log evaluation of in situ stress direction and magnitudes as well as brittleness index of the Member 2 of Paleogene Funing Formation in Subei Basin

除现今地应力方向外, 现今地应力大小也是决定压裂方案设计以及压裂层段优选的重要因素。通常水平方向上2个应力的差异在工程上影响着储集层改造时裂缝的形态, 2个方向上应力差异越小越易于形成复杂缝网, 这对非常规开采非常有利(朱海燕等, 2022)。相反, 水平两向应力差异越大, 形成的往往为单组裂缝(陆黄生, 2012; 贾长贵等, 2014; 马永生等, 2022)。因此页岩储集层如果具备埋深较小、脆性较强、天然裂缝发育以及水平两向应力差较小等条件时, 往往最有利于压裂改造(梁兴等, 2021; 马永生等, 2022)。现今地应力场剖面可以分解为垂向应力(Sv)、SHmax、Shmin以及孔隙流体压力(Pp)(Zoback et al., 2003; Lai et al., 2019)。在岩石力学参数如杨氏模量、泊松比确定的基础上, 经过与岩心声发射法等实测地应力数据刻度, 可通过一维岩石力学模型来计算现今应力场大小(Iqbal et al., 2018; 赖锦等, 2021a)。苏北盆地阜宁组二段地应力大小计算结果表明, 单井SHmax和Shmin随着深度增加地应力逐渐增大, 但水平两向应力差基本较为稳定, 为20 MPa左右, 通过泊松比— 杨氏模量法计算的脆性指数较高, 总体该井段有利于压裂改造(图 6)(赖锦等, 2021a)。非常规油气“ 工程甜点” 评价时除考虑现今地应力方向外, 还需注重脆性以及现今地应力大小测井计算, 以进行可压裂性分析。

非常规油气测井“ 七性关系” 、“ 三品质” 评价以及测井地质学综合研究, 最终都是为了预测其“ 甜点” 区带(赖锦等, 2021a)。非常规油气“ 甜点” 包括资源“ 甜点” 区/带、地质“ 甜点” 区/带, 工程“ 甜点” 区/带(Avanzini et al., 2016; 唐振兴等, 2019; 张鹏飞等, 2019)。烃源岩品质可落实资源“ 甜点” 区/带, 地质“ 甜点” 区/带则主要通过储集层品质(孔隙度、饱和度、裂缝发育)评价, 工程“ 甜点” 区/带优选则依托基于脆性、地应力各向异性的工程品质分类评价(杨智等, 2015; 吴鹏等, 2022)。地质“ 甜点” 是指储集条件较好、源储配置优越、含油丰度相对高的区带, 因此岩性识别、TOC计算、孔隙度、饱和度等参数解释成为关键(陈义国等, 2021; 吴鹏等, 2022)。工程“ 甜点” 指可压裂性强且压裂缝开度易于保持的区带, 因此需研究脆性指数、应力参数及其压裂缝扩展方向(吴鹏等, 2022)。从开发建产角度考虑, 非常规油气需注重地质“ 甜点” 和工程“ 甜点” 的评价与优选(付锁堂等, 2020; 蒋云箭等, 2020; 丛平等, 2021; 张少龙等, 2022)。

图 7

Fig.7

	Figure Option ViewDownloadNew Window
	图 7 吉木萨尔凹陷芦草沟组测井“ 七性关系” 评价与甜点预测Fig.7 Evaluation and prediction of “ sween spot” and “ seven relationships” of the Lucaogou Formation in Jimusar sag

页岩油根据其源储配置等可以划分储集层夹层型、混积型和页岩型(焦方正等, 2020; 赵贤正等, 2022)。作为混积型页岩层系代表, 吉木萨尔凹陷芦草沟组岩性复杂多样, 储集层及含油性非均质性强, 导致甜点分类评价及预测工作困难。根据岩性组合、储集空间类型及含油性以及岩石力学参数、脆性指数和水平两向应力差等分别划分出3种类型地质和工程“ 甜点” (表 1)(郭旭光等, 2019; 王林生等, 2022)。此外, 众多专家学者还针对纯页岩型(松辽盆地古龙凹陷青山口组页岩)、夹层型(鄂尔多斯盆地延长组长7段)等不同类型页岩展开了测井综合评价与甜点预测等工作(Zhao et al., 2019; 李宁等, 2020; 姚东华等, 2022; 赵贤正等, 2022)。

表 1

Table1

表 1(Table1)

表 1 吉木萨尔凹陷芦草沟组页岩油地质和工程“ 甜点” 评价标准(据郭旭光等, 2019; 有修改) Table1 Standard parameter for evaluating geological and engineering “ sweet spot” of the Lucaogou Formation shale oil in Jimusar sag(modified from Guo et al., 2019) 评价内容 “ 甜点” 分级 孔隙度/% 渗透率/10-3μ m2 岩性组合特征 储集空间 地质甜点 Ⅰ > 12 > 0.3 粉细砂岩 原生粒间孔、粒间溶孔 Ⅱ 8~12 0.3~0.1 云质粉砂岩、泥质粉砂岩 粒间溶孔、粒内溶孔 Ⅲ 5~8 < 0.1 砂屑云岩、泥晶云岩 晶间孔、粒间孔 评价内容 “ 甜点” 分级 脆性/% 水平两向应力差/MPa 泊松比 杨氏模量/GPa 工程甜点 Ⅰ > 55 2~10 < 0.2 > 15 Ⅱ 50~55 6~10 0.2~0.25 15~10 Ⅲ 45~50 6~10 > 0.25 < 10

表 1 吉木萨尔凹陷芦草沟组页岩油地质和工程“ 甜点” 评价标准(据郭旭光等, 2019; 有修改) Table1 Standard parameter for evaluating geological and engineering “ sweet spot” of the Lucaogou Formation shale oil in Jimusar sag(modified from Guo et al., 2019)

通过核磁共振测井采用迭代法实现孔隙度和饱和度计算(1.7 ms和7 ms界限), 渗透率则根据Timur-Coats 模型来计算(王伟等, 2019; 刘雅慧等, 2021)。通过泊松比— 杨氏模量法计算脆性指数, 利用Δ logR方法计算TOC。最后采用一维岩石力学模型来计算现今三轴地应力大小, 最终建立综合“ 七性关系” 的铁柱子(赖锦等, 2021a)。然后参照表 1所建立的标准, 即可实现单井纵向上含油有利层段的优选与预测, 可以看到单井上甜点发育的非均质性, 该井发育5个含油有利层段(S_o> 50%)(图7), 同时毗邻优质烃源岩, 对应地质“ 甜点” 段, 其中3755.5~3761 m深度段, 经试油获得日产7.18 t原油。而工程甜点则主要优选脆性指数相对较高, 而两向应力差值较低的层段, 可以看到5个地质“ 甜点” 发育层段往往也对应脆性指数相对较高而地应力值较低层段。

非常规油气时代已经到来, 测井地质学研究唯有创新适应新形势的方法技术理论体系, 才能有新出路(Lai et al., 2022a)。要实现非常规油气“ 甜点” 综合评价预测, “ 铁柱子” 井的建立成为关键。以不同序列测井资料为基础, 不同岩心分析化验资料为刻度, 利用测井资料识别不同岩性、计算孔隙度和饱和度等参数, 实现TOC含量测井评价, 然后建立脆性和地应力测井评价, 最终建立集全非常规油气“ 七性关系” 的“ 铁柱子” 井。其中, 不同系列的常规、成像、核磁和元素扫描测井为“ 甜点” 预测提供技术手段, 岩心观察以及配套分析化验数据则为测井信息向地质信息转换提供桥梁(郑建东等, 2021)。“ 铁柱子井” 是搭建了岩心分析化验资料以及不同测井采集序列之间桥梁的标杆井, 铁柱子井上地质与工程“ 甜点” 段的优选将变得切实可行, 由此可推广至其他井的“ 甜点” 预测工作, 为非常规油气“ 甜点” 预测提供技术支撑(匡立春等, 2015; 唐振兴等, 2019)。通过常规、LithoScanner测井实现矿物组分以及TOC含量计算, 实现烃源岩品质分类评价及预测; 通过常规、成像以及核磁共振测井, 建立岩相、储集层参数以及层理缝等测井评价方法, 实现储集层品质测井评价; 最后可通过常规、阵列声波测井建立地应力和脆性的测井评价体系, 实现工程品质测井评价, 最后在“ 铁柱子” 井指导下, 实现非常规油气“ 甜点” 综合评价及预测。

非常规油气、测井地质学以及人工智能三者的碰撞激起了新的火花(赖锦等, 2021a)。不同的机器学习方法如人工神经网络, 卷积神经网络以及支持向量机的方法被广泛运用至非常规油气TOC评价(Wang et al., 2019; Amosu and Sun, 2021)、测井储集层评价(石玉江等, 2021)、有利储集层预测以及工程品质评价预测等工作中(李阳等, 2020)。大数据、机器学习以及人工智能的引入以及不同尺度的地质与地球物理测井资料的融合, 可挖掘隐藏在测井资料中更多的地质信息, 同时可将测井解释人员从繁重的、低层次解释工作中解脱出来, 从而更高效、更科学地实现非常规油气测井综合地质解释与评价(赖锦等, 2021a; 李宁等, 2021; 石玉江等, 2021; 王华和张雨顺, 2021; 刘国强等, 2022)。

目前, 针对页岩油等非常规油气测井采集技术以及配套的参数解释模型建立、三品质综合评价等方面还存在较多挑战, 但随着地球物理测井技术的推进、地质学理论的革新以及人工智能等引入, 必将使得测井地质学相关理论技术体系更好地运用至地质和工程甜点预测等工作中。

源储一致或紧邻的非常规油气测井评价需求“ 七性关系” 与“ 三品质” 特征评价。通过常规测井计算TOC含量并进行烃源岩品质评价, 通过核磁共振测井可实现储集层参数计算及流体性质判别, 完成测井储集层评价工作。岩相可采用有机质丰度— 沉积构造— 矿物成分三级指标命名, 并通过LithoScanner测井评价TOC和矿物组分, 成像测井识别沉积构造, 实现岩相测井评价与预测。常规测井、岩心资料与成像测井相互刻度可实现层理缝识别与评价。脆性指标以及现今地应力大小的测井计算可采取常规与阵列声波测井结合的方法来实现。地质“ 甜点” 优选与预测需注重岩相、层理缝以及孔、渗、饱等储集层参数评价, 工程“ 甜点” 优选则强调脆性和地应力耦合关系评价。全系列测井资料与岩心分析化验资料相互刻度验证可建立“ 铁柱子井” , 并实现非常规油气地质与工程“ 甜点” 预测。不同尺度的地质与地球物理测井资料及其与人工智能的交叉融合将不断推动测井地质学创新。

(责任编辑 郑秀娟)