致密砂巖儲層多尺度裂縫分級建模方法
——以紅河油田92井區(qū)長8儲層為例

孫爽，趙淑霞，侯加根*，周銀邦，宋隨宏，何應付

1 中國石油大學(北京)地球科學學院 北京 102249

2 中國石油化工股份有限公司石油勘探開發(fā)研究院 北京 100083

3 中國石油化工集團公司海相油氣藏開發(fā)重點實驗室 北京 100083

隨著常規(guī)油氣資源的不斷消耗，致密砂巖油氣逐漸成為人們關注的勘探和開發(fā)新領域。在致密砂巖儲層中，由于巖石致密，巖石脆性程度大，在構造應力作用下天然裂縫發(fā)育[1]。天然裂縫是該類儲層重要的儲集空間和滲流通道，具有明顯的多尺度特征，對致密砂巖油藏的油氣聚集、勘探與開發(fā)具有重要影響[2-6]。因此，定量表征不同尺度的裂縫并建立裂縫三維地質模型既可以反映裂縫空間分布規(guī)律和裂縫參數特征，又可以滿足油藏工程定量研究的需要，對提高該類油藏開發(fā)效率具有重要的現實意義。

目前的裂縫建模方法主要包括等效連續(xù)模型和離散裂縫網絡模型(DFN)[7]。等效連續(xù)模型將儲層劃分為有限的網格，并直接對每個網格賦予一定的平均裂縫屬性值[8]。DFN模型使用許多具有特定方向、長度和面積的離散面元來表征裂縫的分布，并且可以根據裂縫的幾何形態(tài)特征和傳導率進行流體流動特性的預測[9]。與等效連續(xù)模型相比，DFN更能反映裂縫的非均質性和多尺度性，并且具有多學科、多資料協同的優(yōu)勢，是目前裂縫建模中應用最多、發(fā)展最快的模型[10-11]。針對多尺度裂縫建模，大中尺度裂縫一般根據地震資料進行確定性建模，描述較準確[7,10-12]；小尺度裂縫主要以井點數據為硬數據，以地震屬性為井間約束數據，用隨機模擬方法建立其DFN模型[13-15]。但是，小尺度裂縫模型具有較強的隨機性，且地震屬性常具有多解性，僅考慮地震屬性對井間裂縫分布的約束作用難以建立較可靠的小尺度裂縫離散網絡模型。

本文以鄂爾多斯盆地紅河油田92井區(qū)長8致密砂巖儲層為例，基于野外露頭、巖心、測井、地震等資料，根據裂縫規(guī)模、裂縫識別方法的尺度界限性以及裂縫發(fā)育的主控因素將裂縫主要劃分為大尺度裂縫、中尺度裂縫、小尺度裂縫3個規(guī)模尺度裂縫類型，并在此基礎上采用分級建模的思路建立多尺度裂縫離散網絡模型和裂縫屬性模型。

1 研究區(qū)概況

紅河油田位于鄂爾多斯盆地天環(huán)坳陷南部，東部為伊陜斜坡，南部為渭北隆起，西部為西緣逆沖帶(圖1)。紅河油田92井區(qū)位于紅河油田西北部，面積約100 km2，其構造特征相對簡單，整體為一北東高、南西低的平緩單斜，地層傾角不足1°，主要受北東東向斷層控制，局部發(fā)育低幅度的小型鼻狀隆起。研究區(qū)主要沉積中生代和新生代碎屑巖，其中上三疊統(tǒng)延長組長8油層組、長9油層組為主要含油層系。

本次研究對象為長8油層組，厚度約為90～110 m，從上到下細分為長81和長82兩個小層，其中長81小層包括長811、長812和長813三個單層，而長82小層包括長821和長822兩個單層。研究區(qū)長8儲層沉積環(huán)境為辮狀河三角洲前緣，主要發(fā)育水下分流河道和分流間灣沉積微相，巖性主要為淺灰色細砂巖、粉砂巖與深灰色泥巖、粉砂質泥巖的互層。根據巖心物性分析資料統(tǒng)計，長8儲層孔隙度主要分布在8%～12%，平均值為10.7%，空氣滲透率主要分布在0.10×10-3～0.25×10-3μm2，平均值為 0.20×10-3μm2，表現為低孔超低滲儲層。研究區(qū)長8儲層主要經歷了印支期、燕山期和喜山期三期構造運動，由于巖石強度及脆性程度大，天然裂縫普遍發(fā)育，但是該區(qū)儲層裂縫主要受燕山期NE-SW方向擠壓應力控制。

2 致密砂巖儲層多尺度裂縫特征

裂縫是致密砂巖儲層有效的儲集空間和重要的滲流通道，具有明顯的多尺度特征，對該類油藏的勘探與開發(fā)具有重要影響。不同尺度的裂縫具有不同參數特征和分布特征，其識別方法和發(fā)育程度的主控因素也存在差異。因此，本文基于野外露頭、巖心、測井、地震等資料，根據裂縫規(guī)模、裂縫識別方法的尺度界限性和裂縫發(fā)育的主控因素將致密砂巖儲層的天然裂縫主要分為3個尺度裂縫，即大尺度裂縫、中尺度裂縫、小尺度裂縫(表1)。

圖1 紅河油田構造位置圖Fig. 1 Structural location map of the Honghe oil field

表1 多尺度裂縫分級標準Table 1 Multi-scale fracture classi fication standard

大尺度裂縫是指可以根據三維原始地震數據進行人工解釋的斷層，平面延伸長度一般為千米級，裂縫開度大于100 μm，其發(fā)育的主控因素為構造應力，構造應力的大小和方向控制大尺度裂縫的發(fā)育程度和走向。紅河油田92井區(qū)發(fā)育9條斷層，主要分布在研究區(qū)北部，均為北東東向，延伸長度最小為1252.81 m，最大為4369.57 m，主要受燕山期構造應力控制(圖2)。

中尺度裂縫是指常規(guī)地震解釋無法準確識別，需要利用螞蟻體追蹤等技術識別和預測的斷層，平面延伸長度一般為數十米級至百米級，裂縫開度大于100 μm，其發(fā)育程度主要受構造應力和斷層的控制。對于紅河油田92井區(qū)長8儲層，長8頂部標志層的屏蔽作用使得儲集層內幕反射較弱，而螞蟻追蹤技術可以突出地震數據中的不連續(xù)信息，較好地克服儲集層內幕反射弱的問題，并自動拾取不同方位的中尺度裂縫，具有速度快、精度高等特點[16-18]。研究區(qū)中尺度裂縫主要分布在研究區(qū)北部，走向主要為北東東向，其次為近南北向，延伸長度最小為64 m，最大為1170 m，主要分布在64～300 m(圖3)。

小尺度裂縫是指地震螞蟻體無法識別，但可以根據巖心、成像測井、常規(guī)測井等資料識別的裂縫，平面延伸長度為米級至十米級，裂縫開度一般為30～100 μm[19]，其發(fā)育程度在構造應力背景下主要受巖性、脆性指數控制。根據紅河油田92井區(qū)巖心觀察描述以及鄰區(qū)成像測井解釋，小尺度裂縫主要有北東東向及近南北向兩個組系[20]，與大尺度裂縫和中尺度裂縫延伸方向一致，大部分為高角度構造剪切縫，裂縫傾角主要為80°～90°(圖 4、5)，延 伸 長 度 主要分 布 在 0.5～50 m[19]。

實際上，除了上述3種主要裂縫規(guī)模類型外，在致密砂巖儲層中還發(fā)育有較為廣泛的微裂縫。微裂縫是指只有在巖心薄片上才能識別的微觀尺度的裂縫，延伸長度一般為厘米級及以下，裂縫開度小于30 μm，其發(fā)育程度主要受成巖作用、巖石組分控制。然而，由于微裂縫規(guī)模較小且局部發(fā)育，對油藏孔滲貢獻不大，暫不用于微裂縫建模和油藏數值模擬[12]。

圖2 紅河油田92井區(qū)大尺度裂縫分布圖Fig. 2 Large scale fracture distribution map of wellblock 92 of the Honghe oil field

圖3 螞蟻體拾取的中尺度裂縫走向玫瑰花圖和延伸長度分布直方圖(N=549)Fig. 3 Rose diagram of strike and histogram of extension length of mesoscale fractures obtained from the ant body (N=549)

圖4 巖心上小尺度裂縫Fig. 4 Small scale fractures in cores

3 致密砂巖儲層多尺度裂縫分級建模方法

針對具有多尺度特征的裂縫，采用分級建模的方法，即分大尺度裂縫、中尺度裂縫和小尺度裂縫3個級別分別建立離散裂縫網絡模型，然后將單一尺度裂縫離散網絡模型融合成綜合離散裂縫網絡模型，并通過粗化建立裂縫屬性模型(圖6)。在紅河油田92井區(qū)長8油層組中，長812單層裂縫最發(fā)育并且是研究區(qū)重點開發(fā)的層位，因此，本文以紅河油田92井區(qū)長812單層為例，針對致密砂巖儲層進行多尺度裂縫分級建模。以長812單層頂底面分別作為地層構造模型的頂面和底面，考慮裂縫尺度和建模精度要求，地層構造模型X、Y、Z方向網格設計精度分別為20 m、20 m、0.5 m。

圖5 巖心識別的小尺度裂縫傾角統(tǒng)計直方圖(N=37)Fig. 5 Histogram of small scale fracture dip identi fied from core (N=37)

圖6 致密砂巖儲層多尺度裂縫分級建模技術路線圖Fig. 6 Technology roadmap of hierarchical modeling of multi-scale fractures in tight sandstones

3.1 大尺度裂縫模型

大尺度裂縫是由常規(guī)三維地震資料直接解釋的斷層，其建模采用確定性方法，即先依據斷層在地震剖面上的標志以及斷層組合規(guī)律對三維地震資料進行斷層解釋，確定斷層位置、產狀等參數，然后用確定性建模的方法直接建立與之相匹配的大尺度裂縫網絡模型(圖 7)。

3.2 中尺度裂縫模型

螞蟻追蹤技術可以自動拾取常規(guī)地震解釋不能識別出的中尺度裂縫，并且具有速度快、精度高等特點。在對原始地震數據體進行構造平滑處理的基礎上，使用方差分析技術獲得方差體，然后利用螞蟻追蹤技術對方差體中滿足預設斷裂條件的不連續(xù)痕跡進行追蹤，提取螞蟻體。由于研究區(qū)長8油層組頂部標志層的屏蔽作用，儲集層內幕反射較弱，單次利用螞蟻追蹤技術提取得到的螞蟻體中裂縫信息不明顯(圖8a)。經實驗發(fā)現，在前述螞蟻體的基礎上再次利用螞蟻追蹤技術可使裂縫信息更加突出，更容易被識別(圖8b)。最后，利用最終獲得的螞蟻體自動拾取不同方位的中尺度裂縫。然而，受地震數據品質和分辨率的影響，自動拾取的中尺度裂縫具有一定的不確定性，因此需用人機交互方式，主要是以地質認識和地質規(guī)律為基礎，對拾取的裂縫碎片進行補充和修正，再用確定性建模方法建立中尺度裂縫網絡模型(圖9)。

圖7 紅河油田92井區(qū)長812單層大尺度裂縫網絡模型(N=9)Fig. 7 The large scale fracture network model of Chang 812 single layer in wellblock 92 of the Honghe oil field (N=9)

圖8 紅河油田92井區(qū)螞蟻體長8油層組頂沿層切片Fig. 8 The ant slice along the top of the eighth oil layer group of the Yanchang Formation in wellblock 92 of the Honghe oil field

研究區(qū)中尺度裂縫模型共由549片裂縫碎片組成，其中，距離斷層越近，中尺度裂縫數目越多，隨著到斷層距離的增加，裂縫數目明顯減少(圖10)，這與裂縫發(fā)育的一般認識吻合，可在一定程度上證明中尺度裂縫模型的準確性。

圖9 紅河油田92井區(qū)長812單層中尺度裂縫網絡模型(N=549)Fig. 9 The mesoscale fracture network model of Chang 812 single layer in the Yanchang Formation in wellblock 92 of the Honghe oil field (N=549)

圖10 中尺度裂縫到斷層距離分布直方圖(N=549)Fig. 10 Histogram of distance from mesoscale fractures to faults (N=549)

3.3 小尺度裂縫模型

小尺度裂縫是致密砂巖儲層裂縫的主要組成部分，但是受地震資料分辨率的影響，無法直接對井間的小

尺度裂縫進行識別，因此，采用隨機模擬的建模方法，即先建立裂縫密度模型，然后以裂縫幾何形態(tài)和裂縫密度模型為約束數據，應用基于目標的示性點過程模擬方法建立小尺度裂縫模型[11-12,21-22]。已有的油氣勘探開發(fā)實踐表明，小尺度裂縫在縱向上和橫向上存在強烈的非均質性，其發(fā)育程度主要受巖性、脆性指數、斷層和構造應力的控制[23]。本文在小尺度裂縫建模過程中，綜合考慮了巖性、脆性指數、斷層對小尺度裂縫發(fā)育的控制作用以及地震屬性的井間約束，以裂縫發(fā)育地質規(guī)律為指導，遵循成因建模原則，先根據單井巖石脆性指數解釋模擬建立三維脆性指數模型，并且根據裂縫發(fā)育概率與地震屬性的相關分析建立地震屬性融合體，再利用多元線性回歸方法融合巖石脆性指數模型、到斷層距離屬性體、地震屬性融合體建立井間裂縫發(fā)育概率體，然后以此約束建立裂縫密度模型，最后將裂縫幾何形態(tài)參數和裂縫密度模型作為輸入參數，使用基于目標的示性點過程模擬算法，生成小尺度裂縫模型(圖11)。

圖11 致密砂巖儲層小尺度裂縫建模技術路線圖Fig. 11 Technology roadmap of small scale fracture modeling in tight sandstones

3.3.1 脆性指數模型

從巖石礦物組成和含量出發(fā)，脆性指數是指儲層中脆性礦物的相對含量[24-26]。研究表明，巖石脆性指數是致密砂巖儲層小尺度裂縫發(fā)育程度的主控因素，脆性指數越大，裂縫發(fā)育程度越高[27]。一般來說，脆性礦物主要包括石英、長石和碳酸鹽礦物，但是在研究區(qū)長8致密砂巖儲層中，石英和碳酸鹽礦物相對含量較高，而與石英和碳酸鹽礦物相比，長石脆性程度相對較小，因此，本文采用的脆性指數計算公式如下[28]：

式中，Vqz為石英含量，%；Vcar為碳酸鹽礦物含量，%；Vfels為長石含量，%；Vclay為黏土含量，%。

脆性指數模型的建立一般是采用隨機模擬方法[29]，首先根據常規(guī)測井采用多礦物模型計算礦物成分，再利用礦物成分比值法計算單井脆性指數[30-31]，然后以單井解釋脆性指數為建模硬數據，在巖相的控制下用序貫高斯模擬建立脆性指數模型。

根據研究區(qū)X衍射全巖礦物資料分析，將長812單層看成是由石英、碳酸鹽礦物、長石、黏土和孔隙流體這幾部分組成，首先利用伽馬、聲波、密度、中子等常規(guī)測井曲線建立相關的非限定方程(式2)，并采用數值優(yōu)化方法進行礦物組分的求解[31]，然后根據公式1計算各井脆性指數。結果表明，應用多礦物模型計算的脆性指數與用X衍射全巖礦物分析結果計算的脆性指數具有較好的一致性(圖12)。圖12中，最后一道的紅點為根據全巖礦物分析資料計算的脆性指數實測值，黑色曲線為應用多礦物模型計算的脆性指數預測值。

式中，GR、Δt、ρ、ΦN分別是自然伽馬(API)、聲波時差(μs/m)、密度(g/cm3)、中子孔隙度(%)的測井曲線值。V1、V2、V3、V4、V5分別是石英、碳酸鹽礦物、長石、黏土、孔隙流體的體積，小數。GR1、GR2、GR3、GR4、GR5分別是石英、碳酸鹽礦物、長石、黏土、孔隙流體的自然伽馬測井響應值，其他的與之類似。

圖12 HH190井脆性指數預測結果驗證Fig. 12 The veri fication of brittleness index prediction result of well HH190

研究區(qū)主要發(fā)育水下分流河道和分流間灣沉積微相，其中，根據儲層巖性、微觀孔隙結構特征和宏觀儲層物性，水下分流河道微相可劃分為細砂巖相和粉砂巖相，分流間灣主要為泥巖相。細砂巖相石英和碳酸鹽礦物含量較高，泥質含量低，脆性指數值較大，主要為0.40～0.55，而泥巖相泥質含量高，石英和碳酸鹽礦物含量低，脆性指數值較小，主要為0.15～0.30，粉砂巖相則介于兩者之間，脆性指數主要為0.30～0.45(圖13)。因此，本文提出多級相控建立三維脆性指數模型方法，即先以單井沉積微相解釋成果為硬數據，以砂地比等值線圖作為平面約束數據，建立研究區(qū)沉積微相模型，然后以單井巖相解釋成果為硬數據，以不同巖相發(fā)育概率體為軟數據，在沉積微相模型控制下用序貫指示模擬方法建立巖相模型(圖14)。最后，在此基礎上，以單井解釋脆性指數為硬數據，在巖相約束下用序貫高斯模擬方法建立脆性指數模型(圖 15)。

圖13 巖相與脆性指數關系圖Fig. 13 Relationship between lithofacies and brittleness index

3.3.2 地震屬性融合體

圖14 紅河油田92井區(qū)長812單層巖相模型Fig. 14 The lithofacies model of Chang 812 single layer in wellblock 92 of the Honghe oil field

圖15 紅河油田92井區(qū)長812單層脆性指數模型Fig. 15 The brittleness index model of Chang 812 single layer in wellblock 92 of the Honghe oil field

受地震數據采集技術和精度的影響，地震屬性體無法直接識別出單一小尺度裂縫。然而，在小尺度裂縫發(fā)育區(qū)，裂縫之間的空隙和流體改變了儲層的原始物性，會影響地震波的傳播，從而引起地震屬性的異常響應[32]。因此，地震屬性體可以反映小尺度裂縫的相對發(fā)育程度，從而進行井間裂縫預測。根據地震屬性分析，相干體、構造傾角屬性、均方根振幅屬性均與裂縫發(fā)育有較好的響應關系(圖16)。圖中，相干體中突出的不連續(xù)信息、構造傾角高值區(qū)和振幅低值區(qū)均可以較好地反映裂縫發(fā)育區(qū)的分布。但是，單一地震屬性是儲層巖性、物性和含流體性質的綜合響應，具有多解性，因此本文在建模過程中，根據裂縫發(fā)育概率與各地震屬性的相關分析，以裂縫發(fā)育概率與各地震屬性的相關系數絕對值作為權系數對以上3種地震屬性體進行加權平均，構建地震屬性融合體，這樣做可以突出多種地震屬性的共性特征，削弱單一地震屬性的多解性。

首先，對相干體、構造傾角屬性、均方根振幅數據進行歸一化處理，再根據巖心、常規(guī)測井識別的裂縫發(fā)育段計算各井裂縫發(fā)育概率，其中裂縫發(fā)育概率是指目的層的裂縫發(fā)育段厚度占目的層總厚度的比例，然后根據各井裂縫發(fā)育概率與其各地震屬性的相關分析(圖17)，以各地震屬性與裂縫發(fā)育概率的相關系數絕對值作為各地震屬性的權系數，運用加權平均的方法得到地震屬性融合體的計算公式如下：

式中，S為歸一化地震屬性融合體，Coherence為歸一化相干體屬性，Dip為歸一化構造傾角屬性，RmsAmpl為歸一化均方根振幅屬性。

圖16 相干體、構造傾角屬性和均方根振幅屬性層間切片Fig. 16 Interlayer slices of coherence cube, structural dip attribute and RMS amplitude attribute

圖17 裂縫發(fā)育概率與各地震屬性相關關系圖(據10口探井和5口水平井導眼段)Fig. 17 Correlation diagram of fracture development probability and various seismic attributes (according to 10 exploration wells and vertical sections of 5 horizontal wells)

圖18 紅河油田92井區(qū)長812單層地震屬性融合體Fig. 18 The seismic attribute fusion body of Chang 812 single layer in wellblock 92 of the Honghe oil field

然后，根據公式3計算得到歸一化地震屬性融合體，如圖18所示。由圖可知，地震屬性融合體突出了各地震屬性體裂縫預測結果一致的區(qū)域，使裂縫發(fā)育區(qū)更加明顯，這樣可以提高預測精度，降低井間不確定性。

3.3.3 裂縫密度模型

裂縫密度模型的建立是小尺度裂縫建模的關鍵。裂縫密度曲線可通過成像測井裂縫解釋和取心井巖心裂縫描述獲得，但是研究區(qū)成像測井資料和取心資料有限，導致單井硬數據較少。在這種情況下，本文利用多元線性回歸方法建立裂縫發(fā)育概率與脆性指數、到斷層距離和地震屬性融合體的關系式(式4)。據此利用該公式，從脆性指數、到斷層距離和地震屬性融合體計算得到井間裂縫發(fā)育概率體，充分發(fā)揮地質信息和地震信息對井間裂縫模擬的約束作用，然后，以單井裂縫密度曲線為建模硬數據，以裂縫發(fā)育概率體為軟數據，用序貫高斯模擬方法建立裂縫密度模型(圖19)。由模型可知，裂縫密度高值區(qū)主要分布在脆性指數高值區(qū)或斷層附近，與地質認識符合較好。

式中，P為裂縫發(fā)育概率，BI為脆性指數，S為歸一化地震屬性融合體，Fd為歸一化到斷層距離。

圖19 紅河油田92井區(qū)長812單層小尺度裂縫密度模型Fig. 19 The small scale fracture density model of Chang 812 single layer in wellblock 92 of the Honghe oil field

3.3.4 小尺度裂縫網絡模型

根據研究區(qū)小尺度裂縫的發(fā)育特征，設置小尺度裂縫幾何形態(tài)和產狀參數，用基于目標的示性點過程模擬方法隨機生成裂縫片，同時結合退火模擬，以裂縫密度模型為目標函數，使生成的裂縫片滿足模型中裂縫密度要求，最終建立研究區(qū)小尺度裂縫網絡模型[21](圖20)。通過統(tǒng)計分析小尺度裂縫模型中水平井裂縫密度和產能的關系，發(fā)現水平井最大日產油量隨小尺度裂縫密度的增加而增加(圖21)，這可在一定程度上證實小尺度裂縫模型的可靠性。

最后，將大尺度裂縫、中尺度裂縫和小尺度裂縫3個級別的裂縫網絡模型疊加在一起，即可得到該致密砂巖儲層的綜合離散裂縫網絡模型。在此基礎上，用Oda方法對綜合離散裂縫網絡模型進行粗化[33]，生成最終的裂縫屬性模型。

圖20 紅河油田92井區(qū)長812單層小尺度裂縫網絡模型Fig. 20 The small scale fracture network model of Chang 812 single layer in wellblock 92 of the Honghe oil field

圖21 小尺度裂縫模型中水平井裂縫密度和產能的關系(據12口水平井)Fig. 21 Relationship between fracture density and productivity of horizontal wells in the small scale fracture model (according to 12 horizontal wells)

4 結論

裂縫是致密砂巖儲層有效的儲集空間和重要的滲流通道，具有明顯的多尺度特征，根據裂縫規(guī)模、裂縫識別方法的尺度界限性和裂縫發(fā)育的主控因素可將致密砂巖儲層的天然裂縫主要分為大尺度裂縫、中尺度裂縫、小尺度裂縫3種規(guī)模類型。

針對致密砂巖儲層多尺度裂縫，采用分級建模的思路。對于大尺度裂縫，采用人工地震解釋的確定性建模方法；對于中尺度裂縫，采用螞蟻體追蹤的確定性建模方法；對于小尺度裂縫，充分考慮了地質信息對裂縫發(fā)育的控制作用和地震數據的井間約束，先利用多級相控建模方法建立三維脆性指數模型，基于相關分析建立地震屬性融合體，再利用多元線性回歸方法融合巖石脆性指數模型、到斷層距離屬性體、地震屬性融合體建立井間裂縫發(fā)育概率體，并以此為約束數據建立裂縫密度模型，然后以裂縫幾何形態(tài)和裂縫密度模型為約束數據，用基于目標的示性點過程模擬方法建立小尺度裂縫模型。最后，將大尺度裂縫、中尺度裂縫和小尺度裂縫網絡模型融合成綜合離散裂縫網絡模型，并通過粗化得到裂縫屬性模型。該方法建立的裂縫模型與地質認識和生產動態(tài)數據吻合較好，可用于油藏數值模擬。