珠江口盆地B油田儲量參數(shù)概率分布

涂 乙，楊 嬌，王秀玲，萬 鈞

(中海石油(中國)有限公司 深圳分公司，廣東 深圳 518000)

?

珠江口盆地B油田儲量參數(shù)概率分布

涂 乙，楊 嬌，王秀玲，萬 鈞

(中海石油(中國)有限公司 深圳分公司，廣東 深圳 518000)

針對珠江口盆地某油田圈閉面積大、構(gòu)造不規(guī)則且井資料少等問題，為了準(zhǔn)確獲取儲量大小、潛力和風(fēng)險，采用概率法進行儲量快速評估是目前最為有效的方法。以B油田Z5油藏為例，考慮到該油藏構(gòu)造兩翼較陡以及中間過渡帶較長且井控程度較低，采用面積-厚度-形狀因子法構(gòu)建巖石體積模型，提出根據(jù)油藏形狀分為N個模塊，分模塊精細刻畫Z5油藏形態(tài)，降低構(gòu)造形態(tài)不規(guī)則對儲量的影響。其中有效厚度、孔隙度采用對數(shù)正態(tài)分布，含油飽和度采用正態(tài)分布，含油面積、體積系數(shù)和原油密度均采用單值分布模型，建立各參數(shù)概率分布以及儲量概率分布模型。結(jié)果表明，概算法Pmean儲量結(jié)果與該油藏確定性方法計算儲量規(guī)模接近，兩者誤差不到4%。結(jié)合地質(zhì)參數(shù)對儲量大小敏感性分析結(jié)果，可指導(dǎo)油藏部門進行儲量敏感性、經(jīng)濟性、風(fēng)險和潛力的深入研究，為開發(fā)方案與決策的制定提供依據(jù)。

概率法；儲量參數(shù)；儲量計算；珠江口盆地

海上油田的勘探開發(fā)具有高風(fēng)險、高投入、高科技等特點，往往在油田開發(fā)前期，面臨鉆井?dāng)?shù)量少、探井分析化驗資料不足以及測試資料有限等問題，導(dǎo)致儲量參數(shù)選取存在較大不確定性，地質(zhì)認(rèn)識程度不高，所計算得到的地質(zhì)儲量風(fēng)險較大。目前常用的儲量評估方法包括類比法、動態(tài)法和容積法[1-5]。其中，類比法只應(yīng)用在鉆探前對圈閉遠景儲量的估算，該儲量達不到國家儲量委員會審核標(biāo)準(zhǔn)要求；動態(tài)法要求油氣田開采一定時間，然后根據(jù)壓降、采油曲線等進行儲量估算；容積法是目前應(yīng)用最為廣泛的方法，適用于不同的勘探開發(fā)階段、不同圈閉類型和不同的油藏驅(qū)動類型，容積法又分為確定法和概率法。20世紀(jì)80年代國內(nèi)引進蒙特卡羅法進行儲量評估，對儲量計算參數(shù)樣本進行預(yù)處理，將各儲量參數(shù)視為隨機變量，進行各個參數(shù)不確定性分析，建立儲量參數(shù)最優(yōu)概率密度函數(shù)，隨后計算得到地質(zhì)儲量的概率分布，以此來分析地質(zhì)儲量潛力和風(fēng)險[6-7]。如今國內(nèi)外采用概率法進行儲量評價[8-10]，并對儲量計算參數(shù)概率分布以及不確定分析較多，而很少將油藏形態(tài)反映在儲量評價過程中。眾所周知，不規(guī)則形態(tài)油藏與規(guī)則形態(tài)油藏對于地質(zhì)參數(shù)的選取是不一樣的，倘若2種不同類型油藏，只鉆遇1口井，測井解釋井點參數(shù)一樣，所選的儲量參數(shù)勢必也一樣，簡單應(yīng)用概率法進行儲量不確定評價，就很難真實地反映地下儲量分布規(guī)律。

本文以珠江口盆地B油田為例，以測井解釋數(shù)據(jù)為基礎(chǔ)，采用概率法進行儲量估算，并引入“形狀因子”手段，將不規(guī)則油藏進行細分模塊，精細刻畫油藏構(gòu)造形態(tài)，降低構(gòu)造形態(tài)不規(guī)則以及井控程度低對地質(zhì)儲量的影響，同時，對影響儲量變化的參數(shù)進行敏感性分析，儲量評價結(jié)果考慮因素更為客觀、全面，以期為海上油田制定合理、高效開發(fā)方案提供技術(shù)支持，降低開發(fā)投資風(fēng)險。

1 概率法儲量評估

1.1 概率法發(fā)展歷程

在1997年之前，國際上采用的是確定性法對儲量進行評估，然而在1997年，SPE和SEC聯(lián)合頒布規(guī)定承認(rèn)概率法儲量評估結(jié)果，概率法開始被國內(nèi)外很多石油公司所采用。尤其近些年，國內(nèi)越來越多的陸地和海上油氣田采用概率法進行儲量評估，使得概率法得到快速發(fā)展與應(yīng)用[10-11]。概率法以概率論為基礎(chǔ)，以儲量各個參數(shù)概率分布視為隨機變量，運用容積法公式計算儲量，得到一條儲量概率分布曲線，即不同地質(zhì)儲量下的概率值，據(jù)此進行客觀、合理地評價油田儲量潛力和風(fēng)險[12-14]。

1.2 評估方法

概率法和確定法儲量評估均采用的是容積法計算公式：

OOIP=100A·H·φ(1-Swi)ρo/Boi

式中：OOIP為原始地質(zhì)儲量，104t；A為含油(氣)面積，km2；H為平均有效厚度，m；φ為平均孔隙度，%；Swi為平均原始含水飽和度，%；ρo為地面原油密度，g/cm3；Boi為平均地層原油體積系數(shù)。

主要采用了REP軟件對地質(zhì)儲量進行了概率分布研究。巖石體積(GRV)模型計算方法包括①單值分布法、②面積—厚度(等值線)法和③面積—厚度—形狀因子法，根據(jù)不同類型的含油氣構(gòu)造和油藏，應(yīng)用不同的計算方法。對于簡單、規(guī)則、小型的構(gòu)造油藏可以用單值分布法；對于形狀不規(guī)則的油藏可采用后2種方法；對于井少、井控范圍小以及不規(guī)則的油藏適用第三種方法，該方法中形狀因子的引入，可以降低構(gòu)造不規(guī)則和井控程度低對儲量帶來的影響。但是目前對于形狀因子的研究有限，只是簡單地套用一個構(gòu)造形狀因子進行計算，而實際油藏形狀不可以是典型的、理想的，需要進行更深入的研究。本文基于此，對影響儲量分布的形狀因子進行了細致的刻畫，將不規(guī)則油藏細分為N個小模塊，然后計算每一模塊的面積和體積，盡量減小與實際油藏形狀的偏差。

1.3 評估流程

(1)儲量樣品數(shù)據(jù)統(tǒng)計?？山柚鶳etrel或Excel工具對研究區(qū)井點數(shù)據(jù)資料進行統(tǒng)計，包括孔隙度、飽和度、凈毛比、泥質(zhì)含量等參數(shù)，排除極大值和極小值等奇異值，篩選真實井點數(shù)據(jù)，統(tǒng)計油藏含油面積以及巖石體積。

(2)地質(zhì)參數(shù)概率分布模型選取。巖石體積模型選取方法包括單值分布法、面積—厚度(等值線)法和面積—厚度—形狀因子法，針對不規(guī)則油藏形態(tài)選取第三種方法更為合適。儲量參數(shù)模型選取方法包括Single、Triangular、Uniform、Lognormal和Normal Beta等，并采用A-D、K-S和χ2檢驗法對儲量參數(shù)樣本數(shù)據(jù)的有效性進行檢驗，最終選擇儲量參數(shù)最優(yōu)概率密度函數(shù)。

(3)評價結(jié)果輸出。通過容積法計算公式，進行2000次以上的隨機模擬，得到儲量P10、P50、P90和Pmean數(shù)值以及儲量概率分布曲線，并對影響儲量參數(shù)進行敏感性分析，最終得到儲量評估結(jié)果。

2 應(yīng)用效果分析

根據(jù)以上儲量概率評價方法和流程，以珠江口盆地B油田Z5油藏為例(Z5油藏只有探明級別儲量)，主要來研究建立儲量參數(shù)概率分布模型流程，以及考慮不規(guī)則油藏形態(tài)，對比和分析儲量概率分布結(jié)果。

2.1 油田概況

B油田位于珠江口盆地中央隆起帶，構(gòu)造是發(fā)育在基底隆起上的低幅度披覆背斜，構(gòu)造簡單完整，在含油范圍內(nèi)無斷層發(fā)育；油層分布在珠江組和珠海組地層；含油范圍內(nèi)構(gòu)造整體平緩，兩翼稍陡，兩翼構(gòu)造傾角較大，構(gòu)造長軸方向為北西—南東向，短軸方向為北東—南西向。目前B油田有3口探井/評價井，該油田DST生產(chǎn)數(shù)據(jù)結(jié)果顯示，珠江組、珠海組均獲得了工業(yè)油流。2012年對三維

地震資料進行了重處理，結(jié)合3口實鉆井資料，對B油田構(gòu)造重新進行精細解釋。其中B-1井和B-2井處于構(gòu)造南翼，且相距較近；B-3井處于構(gòu)造北翼，南北翼相距約1.5 km，油藏圈閉展布形態(tài)呈馬鞍狀，含油構(gòu)造圈閉南北邊界距離約2.2 km(圖1)。

2.2 參數(shù)概率分布

B油田3口鉆井分布在狹長型圈閉兩頭，兩翼構(gòu)造高點相距1.5 km左右，中間過渡帶區(qū)域范圍較大且井控程度低。本次收集了3口井的地震、測井解釋以及巖心等資料，建立了儲量參數(shù)概率分布模式(表1)[13-15]。表1中各儲量參數(shù)賦值主要來源于對各儲量參數(shù)數(shù)據(jù)統(tǒng)計結(jié)果。以有效孔隙度概率分布為例，根據(jù)Z5油藏3口井孔隙度資料數(shù)據(jù)，以測井解釋等間距(0.15 m)取樣，共計52個，數(shù)據(jù)分析均值為18.1%。

本次選取Lognormal、Normal和Beta等3種孔隙度分布模型，并采用A-D、K-S和χ2檢驗法對孔隙度樣本數(shù)據(jù)進行有效性檢驗[14-15]。檢驗結(jié)果表明，Lognormal分布概率最小，說明Lognormal分布模式能較好地反映孔隙度數(shù)據(jù)特征(表2)；同時地質(zhì)含義檢驗，孔隙度端點P1為22.9%，端點P99為12.7%，均在置信范圍內(nèi)，且P10/P90比值為1.80，不高于10，表明孔隙度數(shù)據(jù)分布是合理的。根據(jù)SPE與SEC相關(guān)規(guī)定，對孔隙度數(shù)據(jù)進行檢查，測井解釋孔隙度均值為18.1%，孔隙度P90為15.9%，孔隙度P10為20.7%，P90與P10數(shù)值在均值±15%范圍(15.4%～20.8%)內(nèi)，說明測井解釋孔隙度數(shù)據(jù)分布是合理的[15-17]；孔隙度采取Lognormal概率分布模型(圖2a)。

表2 有效孔隙度樣本數(shù)據(jù)數(shù)學(xué)檢驗

圖1 珠江口盆地B油田Z5油藏含油面積與剖面展布Fig.1 Oil-bearing area and reservoir profile of the Z5 reserve, B oil field, Pearl River Mouth Basin表1 珠江口盆地B油田儲量參數(shù)概率分布模型Table 1 Probability distribution modeling of reserve parameters in B oil field, Pearl River Mouth Basin

儲層參數(shù)概率分布依據(jù)概率分布模型賦值毛體積/(km2·m) 油(氣)水界面上推構(gòu)造高點，各等值線所圍圈閉體積概率分布Beta分布8．28含油面積/km2 油(氣)水界面上推構(gòu)造高點，各等值線所圍圈閉含油面積概率分布Beta分布1．38有效厚度/m 地震解釋儲層預(yù)測等厚圖以及背斜圈閉內(nèi)各井測井解釋有效厚度對數(shù)正態(tài)分布P10=4．20，P50=3．90有效孔隙度/% 背斜圈閉內(nèi)各井測井解釋結(jié)果對數(shù)正態(tài)分布P10=20．7，P50=18．10含油飽和度/% 背斜圈閉內(nèi)各井測井解釋結(jié)果正態(tài)分布P10=60．50，P50=55．40，P90=50．00原油體積系數(shù) 本地區(qū)經(jīng)驗值常數(shù)1．037原油密度/(g·cm-3) 本地區(qū)經(jīng)驗值常數(shù)0．869

圖2 珠江口盆地B油田Z5油藏儲層參數(shù)概率分布Fig.2 Probability distribution of reserve parameters in the Z5 reserve, B oil field, Pearl River Mouth Basin

根據(jù)孔隙度數(shù)據(jù)檢驗和選取分布模型原則，分別對含油飽和度、泥質(zhì)含量和含油面積等參數(shù)進行了概率分布分析(圖2b-c)，三者均采用單值分布模型，本次不作概率分布[18-19]。Z5油藏毛體積為8.28 km2·m，含油面積均值為1.38 km2，有效孔隙度均值為18.1%，含油飽和度均值為55.4%。

2.3 形狀因子確定

引入形狀因子可實現(xiàn)對不規(guī)則油藏進行精細刻畫，形狀因子的確定是本次研究的關(guān)鍵，具體確定原則：①通過面積比Ratio確定形狀模型。形狀模型是指最為貼近真實油藏構(gòu)造展布的理想形態(tài)，面積比Ratio是本次等值線面積與前一個等值線面積之比；②基于上一步確定的形狀模型，計算等值線體積來確定形狀因子大小。

2.3.1 形狀模型判斷

(1)A1/A0>0.5時，采用圓柱體形模型，a、b等值線間面積A=[A1+A0+ Sqrt(A1·A0)]/3，a、b等值線間體積V=A·Δh，Δh為等值線之差；(2)A2/A1<0.5時，采用金字塔形模型，b、c等值線間面積A=(A1+A2)/2，b、c等值線間體積V=A·Δh(圖3)。

2.3.2 形狀因子確定

形狀因子=小于等值線體積/(含油面積×厚度)，從油水界面起，往構(gòu)造高點推，本次計算等值線以下的體積與ΔV=A0·∑Δh。

(1)REP軟件在未考慮油藏形態(tài)時，體積計算方法ΔV=A0·∑Δh，A0為含油面積，由油水界面向上類推厚度間距Δh，來計算體積。(2)在考慮油藏形態(tài)，精細刻畫情況下，體積計算方法：第一條等值線以下的體積(油水界面位置)對應(yīng)的體積為0，往上推第二條等值線以下的體積VA0-A1=V總-VA1-An，第三條等值線以下的體積VA0-A2=V總模型體積-VA2-An，n為等值線條數(shù)，其余依次類推，在計算過程中，每一條等值線對應(yīng)的面積是變化的，充分考慮了油藏形態(tài)的變化。

圖3 面積比判別形狀模型示意Fig.3 A model discriminating shape by area ratio

2.3.3 Z5油藏分塊精細刻畫

根據(jù)油藏儲層厚度和形態(tài)，縱向上以1 m毛厚間隔，從油水界面往構(gòu)造高點上推，分為多個模塊，通過對鄰近兩模塊的含油面積進行對比，來選取形狀模型，確定好形狀模型，就可以得到該模塊最優(yōu)含油面積的計算公式，再根據(jù)小于等值線體積與含油面積×厚度的比值，得到該模塊的形狀因子(表3)。

從表3可知，毛厚從1 m到7 m，表示Z5油藏儲層越來越遠離油水界面，儲層厚度變大，油藏構(gòu)造形狀開始以圓柱體形為主；隨著油藏厚度逐漸變大，油藏構(gòu)造形狀越接近金字塔形。本次主要選取了面積比方法來對Z5油藏形狀模型進行判別，與體積比判別形狀模型相比，其計算誤差要小，因此，采用面積比對形狀模型進行簡單的判別。

表3 珠江口盆地B油田Z5油藏形狀因子統(tǒng)計

從表3可以得到儲層厚度和形狀因子間具有負相關(guān)性，油藏形狀與油藏驅(qū)動類型、儲層厚度/最大儲層厚度是相關(guān)的，可以統(tǒng)計油藏儲層厚度/最大儲層厚度和形狀因子數(shù)據(jù)，得到兩者的關(guān)系式，來確定形狀因子的大小分布規(guī)律。一般來講，底水油藏或塊狀體儲層采用角錐體，邊水或?qū)訝钣筒夭捎玫刃A柱體或棱柱體模型。由于B油田Z5油藏展布形態(tài)不規(guī)則，本次采用面積—厚度—形狀因子法進行儲量評估更為合理，將形狀因子作為儲量計算的參數(shù)之一，根據(jù)形狀因子數(shù)據(jù)分布，選取形狀因子Pmax、P10、P50、P90和Pmin進行分析并參與儲量計算。

2.4 應(yīng)用結(jié)果分析

基于以上儲量參數(shù)概率分布結(jié)果以及形狀因子分布情況，經(jīng)2 000次蒙特卡洛隨機模擬，最終得到B油田Z5油藏儲量概率累計分布結(jié)果(圖4)[20-22]。儲量P10/P90檢驗比值為1.58，在允許的合理范圍內(nèi)[23-26]。根據(jù)該油田DST生產(chǎn)數(shù)據(jù)顯示，Z5油藏具有工業(yè)油流，具有客觀的生產(chǎn)價值，計算得到的較落實的儲量與本次概率法計算的儲量Pmean誤差僅為4%，兩者結(jié)果基本一致，說明儲量概率分布結(jié)果符合實際油田情況。

Z5油藏含油構(gòu)造長軸方向為北西—南東向，短軸方向為北東—南西向，3口井分布兩翼，兩翼構(gòu)造較陡，中間是平緩過渡帶，這部分平緩帶由于井控較小，在不作考慮情況下隨機選取模擬方法會影響巖石體積的大小，不能真實地反映地質(zhì)實際情況。采取面積—厚度—形狀因子法，以實鉆井點深度數(shù)據(jù)為輔助，充分考慮構(gòu)造形狀對儲量概率分布的影響，按照油藏形態(tài)細分N個模塊，刻畫出儲層構(gòu)造形態(tài)，減小了巖石體積計算誤差。由圖4a和4b可知，采用面積—厚度—形狀因子法，最終得到的不同概率下地質(zhì)儲量和可采儲量分布規(guī)律。由于Z5油藏只有探明級別儲量，P50儲量應(yīng)該在該油藏探明儲量理想值上下波動，應(yīng)與Pmean儲量基本一致。從圖4可知該方法計算得到的Pmean儲量與確定法計算結(jié)果最為接近。

圖4 珠江口盆地B油田Z5油藏儲量評估結(jié)果Fig.4 Reserve evaluation of Z5 reserve, B oil field, Pearl River Mouth Basin

由圖4c可知，形狀因子簡單套用和精細處理后，敏感性地質(zhì)因素對地質(zhì)儲量以及可采儲量影響大小均有所不同。以Z5油藏為例，形狀因子使用前，構(gòu)造形態(tài)、有效厚度、飽和度、孔隙度影響儲量相對變化率分別約為45%，20%，15%，3%；而對構(gòu)造形態(tài)精細刻畫后的形狀因子對儲量影響降低了，影響儲量大小因素排序變?yōu)橛行Ш穸?飽和度>形狀因子>孔隙度，構(gòu)造形態(tài)影響儲量相對變化率下降為5%左右，影響儲量相對變化率降低了約40%，說明油藏形態(tài)的精細刻畫可以大大降低油藏不規(guī)則形態(tài)對儲量大小的影響，但是不能絕對消除構(gòu)造形態(tài)不規(guī)則的影響。最終得到的Pmean概算儲量與確定性儲量結(jié)果偏差不到4%，說明儲量概率分布規(guī)律是符合實際油田情況的。結(jié)合地質(zhì)參數(shù)對儲量影響敏感性分析結(jié)果，可以有效降低Z5油藏儲量開發(fā)開采風(fēng)險，提高了對該油藏儲量潛力的綜合認(rèn)識，將為油藏做儲量敏感性分析、開發(fā)方案和決策的制定提供數(shù)據(jù)支持。目前概率法儲量評估已經(jīng)在海上油田前期目標(biāo)評價方面進行了廣泛的應(yīng)用，為油田儲量潛力和風(fēng)險快速評價提供了堅實的數(shù)據(jù)基礎(chǔ)。

3 結(jié)論

(1)以珠江口盆地B油田3口井測井解釋樣品數(shù)據(jù)(等間距0.15 m)為基礎(chǔ)數(shù)據(jù)，采用A-D、K-S和χ2檢驗法對有效厚度、有效孔隙度以及含油飽和度等地質(zhì)參數(shù)進行分布模型檢驗，同時以地質(zhì)含義檢驗和SPE與SEC相關(guān)規(guī)定為輔助手段，對樣本數(shù)據(jù)進行有效性檢驗，數(shù)據(jù)有效性檢驗更為全面。

(2)含油面積采用Beta分布模型，有效厚度、有效孔隙度采用對數(shù)正態(tài)分布，含油飽和度采用正態(tài)分布，建立的參數(shù)最優(yōu)概率分布函數(shù)，定量化各油藏參數(shù)分布，反映油田基本情況更為可靠。

(3)Z5油藏含油構(gòu)造具有特殊性，兩翼較陡，中間平緩帶較長，井控不到的部位對巖石體積的計算不夠準(zhǔn)確。提出利用圓柱體—金字塔形狀因子精細刻畫油藏構(gòu)造形態(tài)，降低不規(guī)則構(gòu)造形態(tài)以及井控程度低區(qū)域?qū)Φ刭|(zhì)儲量評價誤差，使得不規(guī)則構(gòu)造形態(tài)影響儲量相對變化率由45%下降到5%左右，最終得到的Pmean概算儲量與確定性儲量結(jié)果偏差不到4%，快速獲取的儲量概率分布結(jié)果可靠性較高。結(jié)合儲量敏感性因素分析成果，可有效降低對地質(zhì)儲量認(rèn)識風(fēng)險，指導(dǎo)油藏進行儲量敏感性、風(fēng)險、潛力分析，為開發(fā)方案制定提供依據(jù)。

[1] 陳元千,周翠.中國《頁巖氣資源/儲量計算與評價技術(shù)規(guī)范》計算方法存在的問題與建議[J].油氣地質(zhì)與采收率,2015,22(1)：1-4.

Chen Yuanqian,Zhou Cui.Problems and recommendations for the Regulation of shale gas resources/reserves estimation in China[J].Petroleum Geology and Recovery Efficiency,2015,22(1)：1-4.

[2] 陳元千,周 游,李秀巒,等.利用SAGD開采技術(shù)預(yù)測重質(zhì)油藏可采儲量新方法[J].特種油氣藏,2015,22(6):85-89.

Chen Yuanqian,Zhou You,Li Xiuluan,et al.A new method of using SAGD exploitation technique to predict the recoverable reserves of heavy oil reservoir[J].Special Oil & Gas Reservoirs,2015,22(6)：85-89.

[3] 楊雙,閆相賓,劉志鵬,等.多層圈閉資源量計算方法研究:以兩層圈閉為例[J].石油實驗地質(zhì),2016,38(5):698-702.

Yang Shuang,Yan Xiangbin,Liu Zhipeng,et al.Resource calculation methods for multilayer traps:Case study of two-layer traps[J].Petroleum Geology & Experiment,2016,38(5):698-702.

[4] 杜殿發(fā),付金剛,周志海,等.頁巖氣藏采收率計算方法探討[J].特種油氣藏,2015,22(5):74-77.

Du Dianfa,Fu Jingang,Zhou Zhihai,et al.Research on calculation Methodsfor recovery factor of shale gas reservoirs[J]. Special Oil & Gas Reservoirs,2015,22(5)：74-77.

[5] 石創(chuàng),徐思煌,拜文華,等.湖北及周緣五峰組—龍馬溪組頁巖氣資源潛力[J].特種油氣藏,2015,22(6):65-69.

Shi Chuang,Xu Sihuang,Bai Wenhua,et al.Shale gas resource potential of Wufeng-Longmaxi Formations in Hubei and its periphery[J]. Special Oil & Gas Reservoirs ,2015,22(6)：65-69.

[6] 謝寅符,陳和平,馬中振,等.概率法油氣儲量評估及其與確定法的差異比較[J].石油實驗地質(zhì),2014,36(1):117-122.

Xie Yinfu,Chen Heping,Ma Zhongzhen,et al.Probabilistic estimation of reserves and difference between probabilistic and determine methods[J].Petroleum Geology & Experiment,2014,36(1):117-122.

[7] Bailey W, Cou?t B, Lamb F,et al.Taking a calculated risk[J].Oilfield Review,2000(3):20-35.

[8] Jonkman R M,Bos C F M,Breunese J N,et al.Best practices and methods in hydrocarbon resource estimation,production and emissions forecasting,uncertainty evaluation and decision making[R].SPE 65144,2000.

[9] 賈承造.美國SEC油氣儲量評估方法[M].北京:石油工業(yè)出版社,2004.

Jia Chengzao.SEC estimation approach for oil & gas reserves[M].Beijing:Petroleum Industry Press,2004.

[10] US Securities and Exchange Commission.Compliance and disclosure interpretation:Oil and gas rules[S].Washington,DC:SEC,2013.

[11] SPE.Canadian oil and gas evaluation handbook,Volume 2[M].Washington,DC:SPE,2005.

[12] 文環(huán)明,肖慈珣,李薇,等.蒙特卡洛法在油氣儲量估算中的應(yīng)用[J].成都理工學(xué)院學(xué)報,2002,29(5):487-492.

Wen Huanming,Xiao Cixun,Li Wei,et al.Applications of the Monte-Carlo method to the petroleum reserves estimation[J].Journal of Chengdu University of Technology,2002,29(5):487-492.

[13] 黃學(xué)斌,李軍,閆相賓,等.圈閉資源量參數(shù)概率分布及有效性檢驗[J].石油與天然氣地質(zhì),2014,35(4):577-584.

Huang Xuebin,Li Jun,Yan Xiangbin,et al.Probability distribution of parameters for trap resources assessment and its validation[J].Oil & Gas Geology,2014,35(4):577-584.

[14] 楊振海,程維虎,張軍艦.擬合優(yōu)度檢驗[M].北京:科學(xué)出版社,2011:1-36.

Yang Zhenhai,Cheng Weihu,Zhang Junjian.Goodness of fit test[M].Beijing:Science Press,2011:1-36.

[15] 吳義平,田作基,童曉光,等.基于儲量增長模型和概率分析的大油氣田儲量增長評價方法及其在中東地區(qū)的應(yīng)用[J].石油學(xué)報,2014,35(3):469-479.

Wu Yiping,Tian Zuoji,Tong Xiaoguang,et al.Evaluation method for increase of reserves in large oil-gas fields based on reserves growth model & probability analysis and its application in Middle East[J].Acta Petrolei Sinica,2014,35(3):469-476.

[16] 涂乙,鄒海燕,孟海平,等.頁巖氣評價標(biāo)準(zhǔn)與儲層分類[J].石油與天然氣地質(zhì),2014,35(1):153-158.

Tu Yi,Zou Haiyan,Meng Haiping,et al.Evaluation criteria and classification of shale gas reservoirs[J].Oil & Gas Geology,2014,35(1):153-158.

[17] 王代國.致密巖性氣藏儲量評價和計算方法問題與對策:以鄂爾多斯盆地大牛地氣田上古生界氣藏為例[J].石油實驗地質(zhì),2012,34(5):495-498.

Wang Daiguo.Problem and countermeasure of reserve estimation and calculation of tight lithologic gas reservoir:A case study in Upper Paleozoic gas reservoir in Daniudi Gas Field of Ordos Basin[J].Petroleum Geology & Experiment,2012,34(5):495-498.

[18] 趙文智,畢海濱.淺析中國與西方在儲量計算中確定有效厚度之差異[J].石油勘探與開發(fā),2005,32(3):125-129.

Zhao Wenzhi,Bi Haibin.Differences of net pay estimation between China and SEC[J].Petroleum Exploration and Development,2005,32(3):125-129.

[19] Beha A,Christensen J E,Young R.A general method for the consistent volume assessment of complex hydrocarbon traps[J].Journal of Petroleum Geology,2012,35(1):85-97.

[20] 薛國勤,余強,趙創(chuàng)業(yè),等.SEC準(zhǔn)則遞減曲線法在儲量評估中的應(yīng)用:以王集油田為例[J].石油實驗地質(zhì),2012,34(5):531-534.

Xue Guoqin,Yu Qiang,Zhao Chuangye,et al.Application of diminishing curve method in SEC standard evaluation of oil and gas reserves:A case study in Wangji Oil Field[J].Petroleum Geology & Experiment,2012,34(5):531-534.

[21] 鄭昊,王家華.基于多線程技術(shù)的儲量分析系統(tǒng)構(gòu)建[J].西安石油大學(xué)學(xué)報(自然科學(xué)版),2009,24(6):91-94.

Zheng Hao,Wang Jiahua.Reserves system building based on the analysis of multi-thread technology[J].Journal of Xi’an Shiyou University (Natural Science Edition),2009,24(6):91-94.

[22] 盛秀杰,金之鈞,肖曄,等.圈閉評價中含油氣性風(fēng)險依賴性的概念、方法及應(yīng)用[J].石油與天然氣地質(zhì),2015,36(1):154-161.

Sheng Xiujie,Jin Zhijun,Xiao Ye,et al.Concept,method and application of geological risk dependency indicating petroleum discovery[J].Oil & Gas Geology,2015,36(1):154-161.

[23] 李洪璽,張培軍,代琤,等.美國PRMS與SEC兩種油氣儲量準(zhǔn)則差異分析[J].西南石油大學(xué)學(xué)報(自然科學(xué)版),2016,38(5):75-80.

Li Hongxi,Zhang Peijun,Dai Cheng,et al.Difference analysis of oil & gas reserve rule between PRMS and SEC in U.S.[J].Journal of Southwest Petroleum University (Science & Techno-logy Edition),2016,38(5):75-80.

[24] 陳元千,郝明強,李飛.油氣資源量評估方法的對比與評論[J].斷塊油氣田,2013,20(4):447-453.

Chen Yuanqian,Hao Mingqiang,Li Fei.Comparison and review of the estimating methods of oil and gas resources[J].Fault-Block Oil & Gas Field,2013,20(4):447-453.

[25] 景愛霞.準(zhǔn)噶爾盆地石油探明儲量參數(shù)分析[J].石油實驗地質(zhì),2012,34(5):486-489.

Jing Aixia.Analysis of proved reserve parameters of Junggar Basin[J].Petroleum Geology & Experiment,2012,34(5):486-489.

[26] 王靜偉,計秉玉,張文彪.基于多因素的油田可采儲量不確定性分析[J].中國海上油氣,2016,28(4):76-82.

Wang Jingwei,Ji Bingyu,Zhang Wenbiao.Uncertainty analysis of oilfield recoverable reserves based on multi-factors[J].China Offshore Oil and Gas,2016,28(4):76-82.

(編輯 徐文明)

Probability distribution of reservoir parameters in the B oil field, Pearl River Mouth Basin

Tu Yi, Yang Jiao, Wang Xiuling, Wan Jun

(ShenzhenBranch,CNOOC(China)Ltd.,Shenzhen,Guangdong518000,China)

A block of the Pearl River Mouth Basin has a large trap area, irregular structure and limited well data and thus to get accurate reserve size, potential and risk, the probability method is most effective for rapid reserve assessment. The Z5 reservoir in the B oil field was taken as an example. Considering steep wings, long middle transition zone and the low level of well control, an area/thickness/shape factor method was used to construct a physical model of bulk-volume rock.Nmodules were divided according to the distribution form of reservoir. The form of Z5 reservoir was precisely described according to each module, which could reduce the influence of irregular structural form on reserve. Logarithmic normal distribution was used to analyze effective thickness and porosity. Normal distribution was chosen for oil saturation. A single value distribution model was adopted to study oil-bearing area, volume coefficient and crude oil density. The probability distribution of various reserve parameters and a reserve probability distribution model were established. The results show that thePmeanreserves of the approximate method were close to those of the deterministic method, and the error between them was less than 4%. Combined with reserve sensitivity analysis results of the geological parameters, the study could guide the studies of reserve sensitivity, economics, risk and potential, and provide a theoretical basis for development plans and decisions.

probability distribution; reserve parameter; reserve calculation; Pearl River Mouth Basin

1001-6112(2017)04-0573-07

10.11781/sysydz201704573

2017-02-16；

2017-05-04。

涂乙(1986—)，男，碩士，工程師，從事油氣開發(fā)地質(zhì)、儲量評價及儲層建模等研究。E-mail:tuyi200605156@126.com。

國家科技重大專項“南海東部海域大中型油氣田地質(zhì)特征”(2011ZX05023-006-03)資助。

TE15

A