雅克拉区块潜山储集体类型动态量化表征及自动识别

任宏，李伟奇，虢中春，杨小腾，徐健，王婋

（1.中国石化西北油田分公司雅克拉采气厂，新疆 库车 842017；2.中国地质大学（武汉）石油工程系，湖北 武汉 430074；3.中国石油大港油田分公司，天津 300280）

碳酸盐岩油藏是重要的油藏类型，其提供了全球油气产量的60%[1]。随着碳酸盐岩油气勘探开发的不断深入，碳酸盐岩储集层的类型、性质及特征研究在储层评价、预测及油气田的合理开发中越来越重要[2]。

碳酸盐岩油藏主要包括古风化壳型、白云岩型、礁滩或细粒碳酸盐岩微孔缝隙型、深埋溶解型等类型[3-4]，以及近年来中国取得极大成果的塔河油田的缝洞型。塔河油田缝洞型碳酸盐岩油藏与传统的裂缝-孔隙型碳酸盐岩油藏以及典型的国内外喀斯特油藏相比，具有埋藏深、储层非均质性强、流体性质差异大等特点[5-6]。李阳等[7]研究认为海西早期裸露风化壳岩溶作用主要影响塔河储集体发育；徐微等[8]通过为主体区11口井进行样本分析认为岩溶以大气淡水岩溶作用为主，存在后期的淡水-海水混合岩溶作用和热水岩溶（溶蚀）作用；鲁新便等[9]和韩长城等[10]通过对斜坡区内幕岩储集层的研究发现断控岩溶的成藏机制，提出了“断溶体”的概念，丰富了碳酸盐岩油藏的成因，确定了深层碳酸盐岩油气勘探开发的新目标。由于岩溶作用演化及发育期次，塔河油田垂向上具有明显的分带性，溶洞储集体发育有落水洞、浅流洞和小溶洞等[11-12]，通过野外和缝洞发育特征研究，缝洞系统可分为地下河系统、岩溶洞穴型和溶洞孔缝型3 大类，储集类型在平面上具有“南北分带、东西分异”的特征[13]。

通过生产实践总结，碳酸盐岩油藏不同的储集体类型在开发表现上有明显的差异，如溶洞型储集体无水采油期长、累产高、递减较慢，而裂缝型储集体递减快等，这些动态表现决定着后续的措施和开发调整方案，最终影响着油田的采收率和生产效益，因此，储集体类型研究在碳酸盐岩油藏中具有重要的实际意义。随着对碳酸盐岩缝洞型油藏成因及分布特征研究的不断深入，关于缝洞型油藏储集体的识别与预测问题也相应取得诸多进展。目前主要通过岩心观察、钻井录井分析、测井储集层分析和地震剖面资料来识别储层类型。通过岩心、铸体薄片、荧光薄片及扫描电镜等观察及分析资料，塔河油田奥陶系储层的储集空间多样，主要类型有裂缝型、孔洞-裂缝型、裂缝-孔洞型和生物礁（滩）相孔隙型[14]。李功强等[15]和宋传真等[16]通过提取测井参数判别储层类型，并用成像测井资料验证了常规测井研究储层类型的可行性，对于碳酸盐岩的储层充填程度常规测井同样可以进行表征[17]。在钻井过程中，放空漏失现象表明孔洞发育，裂缝连通性好[18]。在地球物理上，可基于不同储集体在地震剖面上相应的反射特征，从而实现对缝洞体的识别[19-20]。蔡明金等[21]、韩长城等[22]、胡文革[23]、程晓军[24]主要通过试井、酸压、试采等动态资料实现了储集类型的综合判断并应用于数值模拟，但是资料都比较局限，方法有待改进。

在前期油藏特征认识的基础上，结合塔河油田丰富的生产井动态分析认识，通过对塔河油田雅克拉潜山生产井的生产动态分析，提取出弹性驱初期产油量、弹性驱时间、弹性驱累计产油量、弹性驱产量月递减率4 个敏感指标来确定储集体的类型和规模，并结合静态资料解释成果对动态分类结果进行验证，确定其可信度及可行性，最终形成一套基于动态分析的碳酸盐岩储集体类型自动识别方法。

1 储集体类型及表现形式

1.1 构造背景和地层发育情况

塔河油田雅克拉区块位于新疆维吾尔自治区库车市和轮台县境内，构造位置位于沙雅隆起北部的雅克拉断凸上，雅克拉断凸西部是与沙西凸起邻接的（图1）。研究区经历了加里东期、海西期、印支—燕山期及喜马拉雅期等多次构造运动的改造，其中以加里东中期和海西早期2 次构造运动最为重要。加里东中期构造运动使塔里木盆地的性质改变，结束了塔河油田早古生代碳酸盐岩台地的发育。海西早期因构造抬升，深大断裂活动极强，对奥陶系碳酸盐岩的岩溶作用影响巨大[22]。研究区潜山自下而上发育震旦系、寒武系、奥陶系等地层。震旦系主要岩性包括泥岩、灰岩和泥灰岩，寒武系主要含有灰岩和白云岩，奥陶系可分为下奥陶统蓬莱坝组、中—下奥陶统鹰山组、中奥陶统一间房组。鹰山组主要岩性为褐灰色泥微晶灰岩、泥灰岩和白云岩；一间房组主要岩性为灰色灰岩、泥灰岩等[25]。

图1 塔河油田雅克拉区块构造位置和地层综合柱状图（据参考文献[23]修改）Fig.1 Structural position and bottom comprehensive histogram of Yakela block in Tahe Oilfield（modified according to reference[23]）

1.2 潜山储集体基本类型

基于储集体规模对油井开发特征的决定性作用，雅克拉潜山碳酸盐岩油藏可划分出3种基本储集体类型：溶洞型、缝洞型和裂缝型（图2）。

图2 碳酸盐岩油藏储集体概念模型Fig.2 Conceptual model of different types of storage space in carbonate reservoir

溶洞型储集体是塔河主体区和雅克拉潜山缝洞型油藏中最重要的储集体类型。储层的孔、洞、缝发育，储集空间主要为次生的溶蚀洞穴，由大型洞穴或大-中型溶洞群的组合为特征，是油气储集的良好空间，储集规模体大，与周围储集体沟通，横向连通较好（图2a）。

缝洞型储集体为缝洞型油藏中较为重要的储集体类型。储集空间既有孔洞，又有裂缝，两者对储集性能均有相当贡献，但孔洞的作用更重要。其中孔洞主要由孔和小-中洞组成，此类储层储集性能较好，储集体规模介于溶洞型储集体与裂缝储集体之间（图2b）。

裂缝型储集体裂缝网络发育，其特征是基质孔隙度及渗透率均极低。而裂缝发育，裂缝既是主要的渗滤通道，又是次要储集空间，同时发育较少的溶蚀孔洞，起主要作用的是裂缝和溶蚀孔洞，因此，其分布与裂缝及古岩溶发育带密切有关，储集体规模在3种类型中是最小的（图2c）。

1.3 不同储集体类型基本识别特征和开发表现形式

溶洞型储集体对应的基本生产特征为：钻井过程中钻遇该类型地层常出现钻具放空，并伴有泥浆漏失等现象。该类型储层具有良好的油气生产能力，一般为自然投产，油气单井产量高，具有较长自喷期。油层能量在下降过程中，能及时得到充足的补给，能量补给较充足。由于储集体规模大，在纯弹性能释放阶段，表现为单井的日产油量高，压力波传导到边界的时间长，产量递减较慢，对应的在该阶段的累计产油量大。见水特征以含水缓慢上升为主，生产初期均不产水，有较长的无水和低含水采油期。随着油层压力的降低，地层水进入井筒，往往出现暴性水淹。其典型生产特征如图3所示。

图3 溶洞型储集体生产特征Fig.3 Production characteristics of karst reservoirs

缝洞型储集体对应的基本生产特征为：钻井时会出现放空漏失现象，但漏失量较溶洞型储集体小，投产初期产量较高，无水采油期较长，有较长的稳产时间，此类储层储集体性能较好。在弹性能释放阶段表现为日产能力较强，压力波传导时间长，产量递减速度较快，通过弹性能采出的原油量较大。含水上升速度较快，后期以底水驱动为主，不同储集空间组合形式不同，导致含水上升规律不一，波动型、快速上升型、台阶型等含水上升类型均有涉及。其典型生产特征见图4。

图4 缝洞型储集体生产特征Fig.4 Production characteristics of fracture-cavity reservoirs

裂缝型储集体对应的基本生产特征为：钻井过程中一般不出现放空漏失，需要酸压见产。生产特征与裂缝发育情况密切相关。垂直裂缝较不发育的情况下，产能低或无自然产能，压力低，自喷期短或间歇停喷。随着含水上升，产能递减较快。天然能量弱，无明显水体能量补充。一般开井即见水，水体不活跃，生产中产液表现为快速衰竭式变化，间歇式含水。高角度垂直裂缝发育的情况下，初期以产油气为主，不产地层水。无水和低含水采油期很短，甚至没有低含水期。油井见水后由于油水钻度比大，地层水迅速占据了原油的流动通道，含水在短时间内快速上升，部分油井表现出暴性水淹特征。该类储集体规模在弹性能开发阶段表现为日产较小，弹性能波及时间较短，产量递减快，纯弹性释放阶段累计采油量小，其典型生产特征如图5所示。

图5 裂缝型储集体生产特征Fig.5 Production characteristics of fractured reservoirs

2 储集体类型的动态数据量化表征及自动识别

2.1 储集体类型动态量化方法思路与流程

在前期不同储集体生产特征定性认识的基础上，以雅克拉潜山储层为对象，进一步细化量化各类储集体动态特征，目的在于采用动态数据建立一套高效准确识别储集体类型的方法。由于各井投产年限、开发措施不同，选取各井稳定可对比的参数至关重要。因此，研究首先开展单井的生产阶段划分，将各井的动态参数细化到不同阶段，再将各阶段的各类参数与储集体类型进行相关分析，提取出各井普遍具有的、与储集体类型相关性强的特征参数，对这些参数进行聚类分析，明确不同储集体类型各参数的分布范围，通过参数组合特征确定储集体类型，最终结合神经网络手段实现储集体类型的自动识别。

2.2 单井生产阶段划分

油田实践表明：多数生产井油压和累计产油量关系曲线呈现较好的分段性，其中AB 段为弹性波传播到油体边界时生产井井口压力变化，该段长短表示油体大小，对应生产上的纯弹性驱动阶段；BC 段为边底水开始补充，纯弹性驱动向水驱过渡阶段时井口压力变化，该段长短表示边底水补充速度，斜率便是弹性能衰竭速度，对应生产上的混合驱阶段；CD段为边底水能量充分补充时井口压力变化，该段长短表示边底水能量的大小，对应生产上的水驱阶段。E点反映的是底水突破井底附近时油压的波动，见水前出现明显的异常，但一般油压变化幅度很小，部分井见水前没有这段异常，此阶段生产井由不含水到零星含水，或者由零星含水到连续相含水（图6）。

图6 单井生产阶段划分（据参考文献[26]修改）Fig.6 Single well production stage division（modified according to reference[26]）

2.3 动态参数提取

在研究区单井生产阶段划分的基础上，将各类动态参数如阶段时长、平均日产、阶段累产、压力变化率、产量递减率等12 个动态参数与储集体类型进行相关性分析，提取出对储集体类型敏感的主要参数。经多次相关分析，最终提取出弹性驱初期产油量、弹性驱时间、弹性驱累计产油量、弹性驱产量月递减率4 个参数，该4 个参数与储集体类型相关系数均大于0.7，远优于混合驱和水驱的各项参数（表1）。

表1 动态参数相关性分析结果Table 1 Correlation analysis results of dynamic parameters

2.4 聚类分析与参数标准量化

对所提取的4个参数进行系统聚类分析，系统聚类法基本思想是：先将输入样本各自看成一类，然后规定样本之间的距离和类与类之间的距离，选择距离最小的1 对合并成1 个新类，计算新类和其他类的距离，再将距离最小的2类合并，逐渐减少类的个数，直至所有样本聚合至规定的类别数[27]。划分结果优先推荐的划分方案是划分为3 类，结合数据来源，系统聚类分析所得的3 类即对应溶洞型、缝洞型、裂缝型3 种储集体类型（图7），证明该4 个参数可很好地用于区分储集体类型。

图7 雅克拉区块潜山储集体类型判别流程Fig.7 Discrimination process of buried hill reservoir type in Yakela block

通过聚类分析结果统计，各储集体类型在各项参数上具有较为明显的差异，据此建立了岩溶型碳酸盐岩储集体类型的动态参数量化划分标准，参数在各类型区间的分布位置同时指示着储集体规模（表2）。

表2 雅克拉区块潜山不同储集体参数统计及判别标准Table 2 Statistics and discriminant criteria of different reservoir parameters in buried hill of Yakela block

溶洞型储集体弹性驱初期产油量一般大于275 t/d，弹性驱产量月递减率小于0.09，弹性驱累计产油量大于5.0×104t，弹性驱时间大于270 d；裂缝型储集体弹性驱初期产油量一般小于159 t/d，弹性驱产量月递减率大于0.22，弹性驱累计产油量小于1.5×104t，弹性驱时间小于182 d；缝洞型储集体各参数介于两者之间。

2.5 储集体类型自动识别的神经网络实现

聚类分析获得的储集体类型识别结果具有较好的准确性，但其工作流程复杂，仍需要人工进行逐井的阶段划分、参数前处理和聚类调试，工作效率较低。鉴于此，根据以上建立的动态参数标准，研究采用系统聚类分析结合人工神经网络技术建立动态参数对储集体类型的自动识别模型，已在缺乏地质资料地区高效准确地实现储集体类型的定量识别。以聚类分析的结果作为学习样本，将现有已知储集体类型的生产井分为样本井和验证井（比例为7∶3），建立神经网络并对网络进行训练，神经网络的输入层为各井的弹性驱初期产油量、弹性驱时间、弹性驱累计产油量、弹性驱产量月递减率这4 个参数，输出层为3 类，即对应储集体类型溶洞型、缝洞型以及裂缝型，神经网络运算隐藏层函数M（1）~M（6）（图8），训练完成后利用神经网络识别新的数据样本，将新的数据样本合并到原有数据中，通过聚类分析，对识别的准确性进行验证，该流程可批量输入多井参数，实现高效、自动的储集体类型判别。应用该神经网络对塔河4 区的65 口井进行储集体类型识别，训练样本正确率为93.9%（表3）。

表3 神经网络训练成果Table 3 Training results of neural network

图8 神经网络示意图Fig.8 Schematic diagram of the neural network

3 储集体类型动态识别效果评价

3.1 储集体动态识别应用与验证

雅克拉X15 井完钻井深5 580 m，完钻层位下奥陶统，无漏失放空井段，常规完井，测录井资料显示生产层上部裂缝发育，油气界面大致介于5 410.5 ~5 429.5 m，水层在5 580 m 以下，可判断X15 井打到裂缝并且沟通孔洞，总体表现为缝洞型储集体特征。

该井用8 mm 油嘴放喷求产，日产液293 t，天然气16 700 m3/d。该井投产初期，日产油保持在200 t，改变工作制度（增大或减小油嘴大小）后，日产油总体呈现上升趋势，日产油最大达到300 t。见水时累产油26.688×104t。见水后，日产油下降至50 t，含水率上升至40%，最后日产油下降至8.5 t 后停喷开始采取转抽，转抽后日产液160 t 左右，日产油97 t 左右，含水37.5 %左右。截至生产末期，该井累产液65.37×104t，累产油48.47×104t，累产水16.9×104t，可以看出能量较充足，产量递减主要由含水上升引起的。月均含水上升速度25%，为台阶式上升，含水到达37.9%时保持稳定。其生产动态曲线和生产阶段划分曲线如图9和图10所示。

图9 雅克拉区块潜山X15井生产动态曲线Fig.9 Production dynamic curve of well X15 in buried hill of Yakela block

图10 雅克拉区块潜山X15井生产阶段划分Fig.10 Production stage division of Well-X15 in buried hill of Yakela block

通过对该井划分弹性驱阶段并对参数取值，求得其弹性驱初期产油量为275 t/d，弹性驱产量月递减率为0.03，弹性驱累计产油量为2.899×104t，弹性驱时间为261 d，将该井这4 项动态参数输入储层类型自动识别神经网络，输出结果为较大规模的缝洞型储集体，该判别结果与测、录井地质认识一致，说明该井采用动态参数的储集体类型自动识别结果准确。

根据上述流程，应用所建立的神经网络模型对研究区钻井、录井等静态资料丰富即已知储集体类型的11 口井的36 个层段进行阶段划分，提取弹性驱初期产油量、弹性驱时间、弹性驱累计产油量、弹性驱产量月递减率参数，再将参数批量输入神经网络模型，完成储集体类型自动识别（表4），自动识别结果与地质资料判别的结果层段30 个，整体吻合度达83.3 %。详细到各类型，溶洞型层段共8 个，动态识别7 个，识别准确度87.5 %；缝洞型层段共15 个，识别12 个，识别准确度80.0%；裂缝型层段共13 个，识别11个，识别准确度84.6%。与测、录井地质认识相比，自动识别方法在判断准确的同时，不依赖于地质工作人员的经验和能力，无须再对时间跨度长达40余年的生产井测、录井资料进行标准化处理，根据生产动态记录计算出4项动态参数并输入模型，即可获得储集体判别结果，具有客观、高效的优势。

表4 雅克拉区块潜山储集体类型自动识别检验结果Table 4 Automatic identification test results of buried hill reservoir types in Yakela block

3.2 应用效果评价

研究区单井的详细分析与其他地区的自动识别验证均证明了储集体类型动态识别方法的准确性和便利性。由于研究采用的4 个参数为每口生产井都具有的参数，且易于获取、识别准确率高、可操作性强，预期该动态参数神经网络自动识别模型可在地质资料缺少的地区为储集体类型研究提供更多依据，为后续生产措施的制定提供支撑。

该方法解决了缝洞型碳酸盐岩储集体类型研究的一部分实际问题，但由于生产阶段划分是基于动态资料进行的定性划分，部分井由于生产制度调整等因素导致生产特征复杂化使得弹性时间的截止存在偏差，导致后续参数提取出现偶然误差，影响到该井储集体类型的判别。因此，在应用于频繁调整生产措施、生产特征不规律的井时应结合其他资料进行判别。此外，在应用中，溶洞型储层误识别为缝洞型，缝洞型主要误识别为裂缝型，裂缝型误识别为缝洞型，这些误差指示在现有的溶洞、缝洞、裂缝的大类划分的基础上，对缝洞型储集体仍需进一步开展类型细分，便于更好地把握不同类型储集体的开发规律，及时调整生产对策。未来随着开发不断精细化，在后续工作中将持续完善动态识别参数和方法，为油藏的高效开发提供更多的支持。

4 结论

1）弹性驱初期产油量、弹性驱时间、弹性驱累计产油量、弹性驱产量月递减率4项动态参数与储集体类型具有较强的相关性，可作为储集体类型判别的主要动态参数。

2）将提取的4 项动态参数进行聚类分析，量化了溶洞型、缝洞型、裂缝型储集体对应的参数范围：溶洞型储集体弹性驱初期产油量一般大于275 t/d，弹性驱产量月递减率小于0.09，弹性驱累计产油量大于5.0×104t，弹性驱时间大于270 d；裂缝型储集体弹性驱初期产油量一般小于159 t/d，弹性驱产量月递减率大于0.22，弹性驱累计产油量小于1.5×104t，弹性驱时间小于182 d；缝洞型储集体各参数介于两者之间。

3）根据储集体动态参数量化特征建立的储集体类型神经网络自动识别模型，识别准确度达80%以上。该自动识别方法参数明确且易于获取，工作流程清晰，可操作性强，结果准确度高，可实现多井批量判别，更可应用于缺乏地质资料的地区，实现储集体类型的准确识别和预测，为后续生产措施的制定提供依据。