一种致密砂岩储层层理缝识别方法与流程

本发明涉及致密油勘探开发技术领域，具体是指一种致密砂岩储层层理缝识别的方法。

背景技术

致密油已成为全球非常规石油勘探开发的亮点领域，是继页岩气之后的又一战略性突破，也是中国未来重要的石油接替资源。根据湖盆类型和沉积环境的差异，中国致密油可划分为湖相碳酸盐岩致密油、深湖水下三角洲砂岩致密油和深湖重力流砂岩致密油三种类型。

鄂尔多斯盆地上三叠统延长组长6-长7油层组致密油属于深湖重力流砂岩致密油类型的典型代表，该致密砂岩储层具有物性差、非均质性强以及天然裂缝发育的特点。天然裂缝包括构造缝、层理缝以及人工压裂缝等多种类型，其存在对致密油的分布及高效开发具有重要作用。目前，在致密油勘探开发中高度重视构造缝，认为其对致密油富集具有重要影响，但近期勘探开发实践显示，致密油富集区内的层理缝往往比构造缝更能聚集致密油资源，层理缝发育区往往成为致密油勘探开发的“甜点区”。因此，如何有效识别致密砂岩储层层理缝，对指导致密油勘探开发具有重要意义。

层理缝是指地层受到各种地质作用而沿着沉积层理裂开的裂缝。在鄂尔多斯盆地延长组致密砂岩储层中，层理缝的倾角一般不大，多表现为近水平裂缝和低角度裂缝。钻井岩芯观测和成像测井解译是识别致密砂岩储层层理缝最直接的手段，但由于成本及技术等的制约，并非所有钻井的致密油储层深度段具有岩芯和成像测井资料。因此，如何依据常规测井资料识别致密砂岩储层层理缝，分析层理缝发育分布规律，是致密油高效勘探开发的关键。

在层理缝发育层段，由于其加强了侧向测井的电流聚焦作用，使得测量的电阻率降低，而且其对深侧向的聚焦作用比浅侧向更强，从而使得深侧向电阻率小于浅侧向电阻率，表现为“负差异”；对声波时差而言，常造成曲线产生异常高值，出现周波跳跃现象；补偿中子数值明显增大，而密度曲线数值明显降低。但在实际致密砂岩储层层理缝识别时，由于常规测井曲线的响应特征存在多解性，层理缝并不是引起常规测井曲线响应的唯一因素，因此，直接利用常规测井资料识别致密砂岩储层层理缝相对困难，目前鲜有研究报道。

技术实现要素：

为解决上述技术问题，本发明提供的技术方案为：一种致密砂岩储层层理缝识别的方法，包括以下步骤：

(1)获取对岩性响应敏感的常规测井曲线，包括自然伽马曲线、密度曲线和补偿中子曲线；

(2)根据步骤(1)获取的常规测井曲线，综合利用小波分析法和重叠图法确定致密砂岩层段；

(3)在步骤(2)确定的致密砂岩层段内，获取泥浆滤液电阻率曲线、对层理缝响应敏感的深侧向或深感应电阻率曲线、浅侧向或八侧向电阻率曲线、声波时差曲线、密度曲线和补偿中子曲线；

(4)根据步骤(3)获取的深侧向或深感应电阻率曲线，浅侧向或八侧向电阻率曲线，重构获取裂缝倾角指数曲线；

(5)根据步骤(3)获取的声波时差曲线和密度曲线，重构获取岩石杨氏模量曲线；

(6)根据步骤(3)获取的深侧向或深感应电阻率曲线，浅侧向或八侧向电阻率曲线和泥浆滤液电阻率曲线，重构获取裂缝孔隙度曲线；

(7)根据步骤(3)获取的声波时差曲线，深侧向或深感应电阻率曲线，浅侧向或八侧向电阻率曲线，基于小波分析法重构获取声波时差高频能量曲线，深侧向或深感应电阻率低频曲线，浅侧向或八侧向电阻率低频曲线；

(8)根据步骤(5)～(7)重构获取的各条层理缝识别曲线(参数)，计算其在层理缝识别中的权重；

(9)根据步骤(8)计算的各个参数的层理缝识别权重，获取层理缝指数曲线，在步骤(4)获取的裂缝倾角判定曲线约束下，根据层理缝指数曲线识别致密砂岩储层层理缝，并评价其发育程度。

优选地，所述步骤(2)包括以下子步骤：

(2.1)根据步骤(1)获取的自然伽马曲线，基于mallat小波基函数进行变换分析，重构获取自然伽马低频曲线，据此确定致密砂岩层段：

式中：ψ^*为复共轭函数，f(x)为测井参数序列，cf(a,b)为小波变换系数，a为尺度因子，b为位移因子，且尺度因子a越小表示小波被压缩，对应于高频分量；其值越大表示小波被伸展，对应于低频分量；

(2.2)根据步骤(1)获取的自然伽马曲线、密度曲线和补偿中子曲线，构建自然伽马-自然伽马、自然伽马-密度、自然伽马-补偿中子、密度-补偿中子和补偿中子-补偿中子重叠曲线，据此确定致密砂岩层段。

优选地，所述步骤(4)包括以下子步骤：

(4.1)比较步骤(3)获取的深侧向或深感应电阻率数值，浅侧向或八侧向电阻率数值，保留深侧向或深感应电阻率小于等于浅侧向或八侧向电阻率的数据；

(4.2)在深侧向或深感应电阻率小于等于浅侧向或八侧向电阻率时，重构获取裂缝倾角指数，且裂缝倾角指数计算公式为：

式中：rd为深侧向电阻率(或深感应电阻率)，rs为浅侧向电阻率(或八侧向电阻率)，β为裂缝倾角指数，当β小于-0.02时为低角度裂缝。

优选地，所述步骤(5)中岩石杨氏模量的计算公式为：

式中：e为岩石杨氏模量，ρ为岩石密度，δts为横波时差，δtp为纵波时差，α为单位转换系数。

优选地，所述步骤(6)中裂缝孔隙度的计算公式为：

式中：为裂缝孔隙度，rmf为泥浆滤液电阻率，rd为深侧向电阻率(或深感应电阻率)，rs为浅侧向电阻率(或八侧向电阻率)。

优选地，所述步骤(7)包括以下子步骤：

(7.1)数据标准化处理：假设有n条常规测井曲线(1≤j≤n)，即n个参数，第j条曲线(参数)中含有m个数据(1≤i≤m)，则数据标准化处理方式如下：

式中：xij^*为第j个参数的第i个数据标准化处理结果，xij为第j个参数的第i个原始数据，max{xj}为第j个参数的最大值，min{xj}为第j个参数的最小值；

(7.2)根据数据标准化处理公式对步骤(3)获取的声波时差曲线、深侧向电阻率曲线(或深感应电阻率曲线)和浅侧向电阻率曲线(或八侧向电阻率曲线)进行数据标准化处理；此过程中，进行数据标准化处理的3条曲线，因此n＝3，声波时差曲线为正向参数曲线，电阻率曲线为负向参数曲线；

(7.3)根据确定致密砂岩层段公式重构获取标准化处理后的声波时差高频能量曲线，据其确定致密砂岩储层层理缝发育层段，其值越大，层理缝越发育；

(7.4)根据确定致密砂岩层段公式重构获取标准化处理后的深侧向电阻率(或深感应电阻率)低频曲线和浅侧向电阻率(或八侧向电阻率)低频曲线，据其确定致密砂岩储层层理缝发育层段，其值越大，层理缝越发育。

优选地，所述步骤(8)包括以下子步骤：

(8.1)根据标准化处理公式对各个层理缝识别参数进行标准化处理，在此过程中有5个参数，因此n＝5；

(8.2)计算第j个参数的第i个数据的比重：

式中：yij为第j个参数的第i个数据的比重，zij^*为第j个参数的第i个数据，m为第j个参数的总数据量；

(8.3)计算第j个参数的信息熵：

式中：ej为第j个参数的信息熵，yij为第j个参数的第i个数据的比重，m为第j个参数的总数据量；

(8.4)计算第j个参数的权重：

式中：wj为第j个参数的权重，ej为第j个参数的信息熵，n为层理缝识别参数的总数。

优选地，所述步骤(9)包括以下子步骤：

(9.1)计算第j个参数的第i个数据的层理缝指数：

式中：sij为第j个参数的第i个数据的层理缝指数，wj为第j个参数的权重，zij*为第j个参数的第i个数据；

(9.2)层理缝指数s越大，则致密砂岩储层层理缝的发育程度越高。

采用以上方法后，本发明具有如下优点：本发明可以准确识别致密砂岩储层层理缝，克服了层理缝识别的人为定性、不确定性等缺陷，为致密油有效勘探开发奠定基础，减小风险和成本。

附图说明

图1是致密砂岩储层层理缝识别流程图；

图2是鄂尔多斯盆地j1井致密砂岩储层识别示意图；

图3是鄂尔多斯盆地j1井致密砂岩层段内裂缝指数曲线、杨氏模量、裂缝孔隙度、声波时差高频能量曲线和电阻率低频曲线；

图4是鄂尔多斯盆地j1井致密砂岩储层层理缝识别评价图。

具体实施方式

下面结合附图对本发明做进一步的详细说明。

如图1所示，本发明利用多条致密砂岩储层层理缝响应敏感的常规测井曲线，重构获取层理缝指数曲线，放大致密砂岩储层层理缝的测井响应强度，有效地识别致密砂岩储层层理缝并评价其发育程度，层理缝指数越大，则其发育程度越高。

为实现上述技术目的，本发明采用的技术手段为：

一种致密砂岩储层层理缝识别的方法，包括以下步骤：

(1)获取对岩性响应敏感的常规测井曲线，包括自然伽马曲线、密度曲线和补偿中子曲线；

(2)根据步骤(1)获取的常规测井曲线，综合利用小波分析法和重叠图法确定致密砂岩层段；

(3)在步骤(2)确定的致密砂岩层段内，获取泥浆滤液电阻率曲线、对层理缝响应敏感的深侧向或深感应电阻率曲线、浅侧向或八侧向电阻率曲线、声波时差曲线、密度曲线和补偿中子曲线；

(4)根据步骤(3)获取的深侧向或深感应电阻率曲线，浅侧向或八侧向电阻率曲线，重构获取裂缝倾角指数曲线；

(5)根据步骤(3)获取的声波时差曲线和密度曲线，重构获取岩石杨氏模量曲线；

(6)根据步骤(3)获取的深侧向或深感应电阻率曲线，浅侧向或八侧向电阻率曲线和泥浆滤液电阻率曲线，重构获取裂缝孔隙度曲线；

(7)根据步骤(3)获取的声波时差曲线，深侧向或深感应电阻率曲线，浅侧向或八侧向电阻率曲线，基于小波分析法重构获取声波时差高频能量曲线，深侧向或深感应电阻率低频曲线，浅侧向或八侧向电阻率低频曲线；

(8)根据步骤(5)～(7)重构获取的各条层理缝识别曲线(参数)，计算其在层理缝识别中的权重；

(9)根据步骤(8)计算的各个参数的层理缝识别权重，获取层理缝指数曲线，在步骤(4)获取的裂缝倾角判定曲线约束下，根据层理缝指数曲线识别致密砂岩储层层理缝，并评价其发育程度。

其中：步骤(2)包括以下子步骤：

(2.1)根据步骤(1)获取的自然伽马曲线，基于mallat小波基函数进行变换分析，重构获取自然伽马低频曲线，据此确定致密砂岩层段：

式中：ψ^*为复共轭函数，f(x)为测井参数序列，cf(a,b)为小波变换系数，a为尺度因子，b为位移因子，且尺度因子a越小表示小波被压缩，对应于高频分量；其值越大表示小波被伸展，对应于低频分量；

(2.2)根据步骤(1)获取的自然伽马曲线、密度曲线和补偿中子曲线，构建自然伽马-自然伽马、自然伽马-密度、自然伽马-补偿中子、密度-补偿中子和补偿中子-补偿中子重叠曲线，据此确定致密砂岩层段。

其中：步骤(4)包括以下子步骤：

(4.1)比较步骤(3)获取的深侧向或深感应电阻率数值，浅侧向或八侧向电阻率数值，保留深侧向或深感应电阻率小于等于浅侧向或八侧向电阻率的数据；

(4.2)在深侧向或深感应电阻率小于等于浅侧向或八侧向电阻率时，重构获取裂缝倾角指数，且裂缝倾角指数计算公式为：

式中：rd为深侧向电阻率(或深感应电阻率)，rs为浅侧向电阻率(或八侧向电阻率)，β为裂缝倾角指数，当β小于-0.02时为低角度裂缝。

其中：步骤(5)中岩石杨氏模量的计算公式为：

式中：e为岩石杨氏模量，ρ为岩石密度，δts为横波时差，δtp为纵波时差，α为单位转换系数。

其中：步骤(6)中裂缝孔隙度的计算公式为：

式中：为裂缝孔隙度，rmf为泥浆滤液电阻率，rd为深侧向电阻率(或深感应电阻率)，rs为浅侧向电阻率(或八侧向电阻率)。

其中：步骤(7)包括以下子步骤：

(7.1)数据标准化处理：假设有n条常规测井曲线(1≤j≤n)，即n个参数，第j条曲线(参数)中含有m个数据(1≤i≤m)，则数据标准化处理方式如下：

式中：xij^*为第j个参数的第i个数据标准化处理结果，xij为第j个参数的第i个原始数据，max{xj}为第j个参数的最大值，min{xj}为第j个参数的最小值；

(7.2)根据数据标准化处理公式对步骤(3)获取的声波时差曲线、深侧向电阻率曲线(或深感应电阻率曲线)和浅侧向电阻率曲线(或八侧向电阻率曲线)进行数据标准化处理；此过程中，进行数据标准化处理的3条曲线，因此n＝3，声波时差曲线为正向参数曲线，电阻率曲线为负向参数曲线；

(7.3)根据确定致密砂岩层段公式重构获取标准化处理后的声波时差高频能量曲线，据其确定致密砂岩储层层理缝发育层段，其值越大，层理缝越发育；

(7.4)根据确定致密砂岩层段公式重构获取标准化处理后的深侧向电阻率(或深感应电阻率)低频曲线和浅侧向电阻率(或八侧向电阻率)低频曲线，据其确定致密砂岩储层层理缝发育层段，其值越大，层理缝越发育。

其中：步骤(8)包括以下子步骤：

(8.1)根据标准化处理公式对各个层理缝识别参数进行标准化处理，在此过程中有5个参数，因此n＝5；

(8.2)计算第j个参数的第i个数据的比重：

式中：yij为第j个参数的第i个数据的比重，zij^*为第j个参数的第i个数据，m为第j个参数的总数据量；

(8.3)计算第j个参数的信息熵：

式中：ej为第j个参数的信息熵，yij为第j个参数的第i个数据的比重，m为第j个参数的总数据量；

(8.4)计算第j个参数的权重：

式中：wj为第j个参数的权重，ej为第j个参数的信息熵，n为层理缝识别参数的总数。

其中：步骤(9)包括以下子步骤：

(9.1)计算第j个参数的第i个数据的层理缝指数：

式中：sij为第j个参数的第i个数据的层理缝指数，wj为第j个参数的权重，zij*为第j个参数的第i个数据；

(9.2)层理缝指数s越大，则致密砂岩储层层理缝的发育程度越高。

实施例一：

鄂尔多斯盆地延长组长6-长7油层组致密砂岩储层层理缝发育，以其为代表介绍具体实施例。本实施例选取区内j1井内长7油层组为研究层段。

(1)获取对岩性响应敏感的常规测井曲线，包括自然伽马曲线、密度曲线和补偿中子曲线；

(2)根据步骤(1)获取的各条常规测井曲线，根据致密砂岩层段计算公式综合利用小波分析法和重叠图法确定致密砂岩层段(图2)；

(3)在步骤(2)识别出的致密砂岩层段内，获取对层理缝响应敏感的深侧向电阻率曲线(或深感应电阻率曲线)、浅侧向电阻率曲线(或八侧向电阻率曲线)、声波时差曲线、密度曲线和补偿中子曲线，以及泥浆滤液电阻率曲线；

(4)根据步骤(3)获取的深侧向电阻率曲线(或深感应电阻率曲线)和浅侧向电阻率曲线(或八侧向电阻率曲线)，根据裂缝倾角指数计算公式重构获取裂缝倾角指数曲线(图3)；

(5)根据步骤(3)获取的声波时差曲线和密度曲线，根据裂缝倾角指数计算公式重构获取致密砂岩杨氏模量曲线(图3)；

(6)根据步骤(3)获取的深侧向电阻率曲线(或深感应电阻率曲线)、浅侧向电阻率曲线(或八侧向电阻率曲线)和泥浆滤液电阻率曲线，根据裂缝孔隙度计算公式重构获取裂缝孔隙度曲线(图3)；

(7)根据步骤(3)获取的声波时差曲线、深侧向电阻率曲线(或深感应电阻率曲线)和浅侧向电阻率曲线(或八侧向电阻率曲线)，按照致密砂岩层段计算公式基于小波分析重构获取声波时差高频能量曲线、深侧向电阻率(或深感应电阻率)低频曲线和浅侧向电阻率(或八侧向电阻率)低频曲线(图3)；

(8)根据步骤(5)～步骤(7)重构获取的各条曲线(参数)，根据第j个参数的第i个数据的比重计算公式、第j个参数的信息熵计算公式和第j个参数的权重计算公式来计算其各个参数的层理缝识别权重，岩石杨氏模量0.17，裂缝孔隙度0.09，深侧向电阻率低频值0.26，浅侧向电阻率低频值0.23，声波时差高频能量值0.25；

(9)根据步骤(8)计算的各个参数的层理缝识别权重，获取层理缝指数曲线，在步骤(4)获取的裂缝倾角判定曲线约束下(j1井此次研究层段计算裂缝倾角指数均小于-0.02，表明均为低角度裂缝)，根据层理缝指数曲线识别致密砂岩储层层理缝，并评价其发育程度(图4)。

综上所述，鄂尔多斯盆地j1井此次研究层段取芯，依据钻井岩芯层理缝观测结果，本发明提供的方法识别致密砂岩储层层理缝效果明显(图4)。

本发明可以准确识别致密砂岩储层层理缝，克服了层理缝识别的人为定性、不确定性等缺陷，为致密油有效勘探开发奠定基础，减小风险和成本。