logo
专注油气领域
与独立思考者同行

【本周专题:完井】使用创新技术优化非常规地区完井作业

【本周专题:完井】使用创新技术优化非常规地区完井作业

在非常规页岩区块,确定油藏边界并进行油藏描述,非常具有挑战性。使用全部的可用数据对于提取最大的信息量至关重要。

来自 | World oil
编译 | 白小明

在非常规区块,优化完井作业是各公司面临的挑战之一。由于源岩通常被作为主要的油气产区,因此油气公司将大量资金投入到水平井技术,水力压裂费用已成为增加产量的主要成本。然而,确定水平井的最佳着陆深度,需要作业公司确定采用水力压裂增产措施后,能够生产最多油气的位置。因此,富集有机质的页岩储层的成功开发,取决于综合多学科成果,包括岩心和测井数据的修正、岩石物理学和岩石物理模型,以及油藏关键参数描述(TOC、孔隙度和天然裂缝)和来自地震数据的机械属性,这些属性限制了压裂岩石的能力。

地质科学家们一直在寻找能够最大限度利用地震资料获得有价值信息的技术,并确定页岩地层中的最佳位置,以改善作业参数,从而更好地开发油藏。同时还需要精确的地球模型,来辅助识别和控制可能遇到的潜在风险。通过整合所有的地球物理、岩性、地层、岩石物理和地质力学等信息,可以实现上述目标,这些信息来自高分辨率地震和井数据解释。

本文介绍了两种创新技术,在描述地下油藏时能得到更高的分辨率:

(1)将全波场分解为反射能和衍射能,作为已建立的构造解释工作流程的补充;
(2)根据地震属性(叠前和叠后)解释岩石类型预测。

后一种技术使用基于神经网络关联的概率方法,来发现地震信息中的各种模式,以便预测岩石类型。

使用这些技术,可以形成一个精确的、高分辨率和高确定性的模型,用于改善油田开发过程中的风险管理。这些技术的实力在Eagle Ford和Barnett非常规页岩区块的应用中已经得到了证实。

多维地震数据分解

地震数据的衍射能携带着高分辨率的小尺度不连续性信息(断层、裂缝、岩溶等)。在空间上准确识别这些小规模特征,有助于了解油气圈闭的位置和迁移途径,从而优化井位。然而,传统的地震反射图像并不携带这种高分辨率非均质信息,因为传统的预处理和标准成像算法,通常忽略了衍射能,通过关注较高的镜面振幅来计算总和与平均值,以增强地震反射事件的连续性。这些传统的地震反射图像能够描绘出较大的断层,但对于普通的地震作业,带有较小位移的次地震尺度断层往往不可见。在传统的解释工作流程中,从这种常规地震作业中提取的信息,对小尺度位移特征描述的影响十分有限。

新的方法是通过全波场分解,叠前深度偏移(形成定向倾角集合),将全波场分离成反射(镜面)能和衍射能。这种集合类型可作为理想的全波场存储单元,不同类型的能量被存储在不同的隔间而不混合。成像之后,可以在集合上应用各种滤波器,用以叠加和增强不同的波场,为解释器提供多个能量叠加。

方法

深度域中的全方位分解和成像,也称为局部角度域(LAD)迁移,使用从地下图像点到地面的一系列自下而上的光线追踪。对于每个图像点,所有方向倾角和方位,以及所有张角和方位的完整描述,都存储在5D LAD中,如图1。镜面能方向是最高能量(振幅)的倾角方向,与地下反射物的方向一致。其他倾角方向(镜面除外)包含由干扰或小尺度不连续信息组成的衍射能。

【本周专题:完井】使用创新技术优化非常规地区完井作业

图1.对于每个图像点,都有一组完整的描述存储在局部角度域表中,考虑了所有方向倾角和方位,以及所有张角和方位。

通过应用不同的能量权重,或不同的倾角滤波器,可以进一步增强衍射能。由于这种分解,我们可以创建多个叠加来提高特定对象图像的质量。这是在迁移后,叠前域完成的。

最终的能量叠加(镜面和衍射)可以显示在一起,以便最大化从记录的相同地震数据中获得的信息。衍射强度也成为高分辨率地震解释工作流的输入之一,可以与其他构造属性相关联,如相干性和曲率。

【本周专题:完井】使用创新技术优化非常规地区完井作业

图2.镜面能(顶部),镜面能与衍射能(底部)同时显示,南德克萨斯州Eagle Ford页岩

图3展示了与类断层属性共同显示的衍射加权能叠加(深度切片)。这种组合增强了生成自镜面型属性的构造属性,与衍射图像之间的差异。衍射图像增加了更多连续信息,这些信息主要是关于针对现有构造解释的更小规模的不连续性。

【本周专题:完井】使用创新技术优化非常规地区完井作业

图3.衍生能叠加与类断层(黑色轮廓)共同显示在一张图,Eagle Ford地区。这种结合突出了生成自镜面型属性的构造属性,与衍射图像之间的差异。

另一个例子来自Barnett页岩地层,该地层覆盖了Ellenburger组的灰岩含水层。在成功实现完井作业过程中,岩溶系统的高分辨率、详细成像和描绘发挥着关键作用。钻井成功的一个关键因素,是通过断层和岩溶将Ellenburger地层连通的风险。除了岩溶系统,这个区域的构造相当平坦,所以期望的是反射(镜面)能沿着较浅的倾斜描绘。因此,采用叠前倾角分离的方法,可以增强有一定倾角构造的图像,通过在15°和30°之间叠加的倾角,可以获得更详细的岩溶图像,如图4。这种细节在传统的反射地震图像中是无法看到的。

【本周专题:完井】使用创新技术优化非常规地区完井作业

图4.沿深度切片(4500英尺处)的振幅提取表明,在15°-30°之间倾斜的部分叠加中,可以最清楚地看到详细的岩溶结构。上图:完整的波场叠加;中图:构造倾斜,部分叠加(0°-15°),下图:构造倾斜,部分叠加(15°-30°)。

整合井和地震数据

在油气勘探的早期阶段,地质科学家缺乏数据,地下知识主要是根据经验和直觉获得的。而目前,我们却面临着相反的问题,因为地震采集和地球物理处理的技术进步,让我们的知识结构,从基础地质学转到了对地下现象的详细理解。

可用数据的数量,特别是叠前数据,继续呈指数形式增长。目前的挑战,是如何最大限度地利用这些海量数据,同时确保与其他数据类型进行关联,例如使用不同工具,基于不同的理论,获得不同分辨率的信息。

神经网络协会(DNNA)提供了关联三维地震数据与井数据的可能性。随着3D、4D和4C地震成像技术的最新发展,有一种基于机器学习、利用井岩相组和地震数据集、用于自动岩石类型预测的技术,对油气行业用处极大。该技术利用神经网络,进行岩石与地震特性之间的自动关联,然后进行油藏岩石类型预测。DNNA使用综合的井岩相分类和3D地震数据(叠后和/或叠前)作为输入。

方法

地质科学家在寻求使用地震属性预测岩石类型时,面临三大挑战:
(1)井信息的分辨率高于地震数据;
(2)油藏岩石类型是定性信息;
(3)岩石类型和地震数据之间的关系,将根据地质环境、地震数据质量和可用属性而有所不同。

在这种情况下,并行使用几个神经网络(Tetko,2002)似乎是首选的方法,因为它可以解决上述问题,而不用假设地震属性与岩石类型定义的岩相之间的传递函数。

DNNA的原理,是同时从井的岩石类型和三维地震数据中获取信息。从井中提取的硬训练数据,用于训练第一组神经网络。从井中取出的软数据用于稳定神经网络训练。硬数据和软数据的组合,被用作训练最终神经网络组合的最终集合。DNNA的训练数据集,是通过选择解释井的地震资料和岩相(岩石类型)构建而成的。xw由d维向量x和权重w定义,对于硬数据为高,对于软数据为低。硬数据被认为是高度可靠的信息,对神经网络训练贡献很大的权重。软数据提供有关地震数据的信息,但没有关于岩相的信息。在DNNA训练期间,它们的权重较小。该权重限制了训练数据的可靠度。每个维度对应于诸如角度几何或特定地震属性等地震数据,描绘样品的特征。

最初,通过沿井眼轨迹获取的地震属性值来建立训练样本,使用一个岩性相指数作为类指示器。一个训练样本是一对(xw,c),其中xw是属性的向量,c是在给定井眼位置的岩性相指数。一个训练集是一个训练样本的集合。

结果

为了克服声阻抗可能导致无法检测碳氢化合物存在的现状,对Lambda-Mu-Rho属性采用幅度对偏移(AVO)倒置的方法,来评估页岩的物理行为,因其与不可压缩性和刚性相关。研究区域是Eagle Ford,在那里,此弹性参数可用于识别潜在区域。因此,研究人员只整合了从地震驱动的油藏描述工作流程中得出的叠后地震属性,以及来自镜面能的光谱分析。

对现有井进行了岩石类型组的确定,因为该方法需要一整套可用于确定岩相的测井数据。该分析可用于确定页岩的脆性与延展性。将一个多分辨率基于图形的聚类(MRGC,Ye和Rabiller,2000),应用于一系列记录(声阻抗、剪切阻抗、杨氏模量、泊松比、Lambda-Rho和Mu-Rho),来自动确定测井相分析。该研究得出了7种可以与页岩的力学行为相关的“储层岩石类型”,主要基于它们与由泊松比和杨氏模量产生的脆性指数曲线的相关性。

DNNA概率模型可以获取井眼位置的详细岩相描述,并根据地震属性创建一个探区的连续概率模型。训练集根据现场确定的岩石类型,以及沿井筒提取的地震记录来构建,这些记录针对该项目考虑范围内的全部地震属性。用于DNNA训练的所有井的重建率都高于93%。

对于所有的井,随着我们从选择用于描绘不同岩相的地震属性集合中,获得了极高的重建率(>93%),我们观察到升级的数据(通过“地震”看到)和预测的岩相数据之间具有较高的相关性。最大概率与对应于最具脆性材质的岩相关联。然后根据地震属性,使用该模型预测远离井筒的岩相分布。把最可能的岩相分布概括在一起,其中,在给定地震网格位置(x、y和z)中的每个值,对应于根据预测最可能的一组岩相分布,即每个岩相与其最高概率值相关联。岩相的横向分布(图5)与顶部和底部构造解释相符,这确定了Lower Eagle Ford页岩层。图6展示出了复杂碳水化合物礁石地质环境的另一个实例,该方法根据叠前数据,成功获取了两个储层(石炭系和二叠系)垂向和横向岩相分布的非均质性。

【本周专题:完井】使用创新技术优化非常规地区完井作业

图5.三维岩相分布,数据取自Top Lower Eagle Ford和Top Buda之间的比例切片,其中绿色和橙色岩相代表最具脆性的岩相。

【本周专题:完井】使用创新技术优化非常规地区完井作业

图6.上图可能性最大的岩石类型分布预测来自井和叠前数据,然后与全堆叠混合。这种方法成功地获取了两个储层的垂向和侧向岩相分布的非均质性。

结论

由于处理技术和/或算法对衍射能存在偏见,衍射能量这种非常重要的全波场分量通常被忽略。而这也从另一方面,突显出了对小规模地质特征高分辨率解释的衍射成像的重要性和优势。这种技术通常与传统的解释工作流程相结合,优化断层解释,提高空间断层识别的准确性,更好地了解构造分布,最终降低不确定性和钻井风险。

在非常规页岩区块,确定油藏边界并进行油藏描述,非常具有挑战性。使用全部的可用数据对于提取最大的信息量至关重要。同时,掌握地质学家的分析以及理解地质构造也很重要。DNNA方法结合了对地震数据进行多维分析的能力,以及基于单井岩相解释的分析。大范围岩相分布的预测,是对储层性质估计反演等相关技术的补充。在现场共同使用观测到的岩相与地震资料,增加了一种评估岩相预测模型可靠性的方法。该技术中使用的神经网络方法,与Bayesian预测方法同时使用,为同时处理井数据和大量叠前和叠后数据,进行岩性和岩石类型的确定,提供了很好的机会。这种概率方法可以建立多种场景,包括最佳和最差情形,有助于评估与不确定性相关的风险。

英文原文请点击 (展开/收缩)

未经允许,不得转载本站任何文章:

评论 4

  1. #3

    将衍射改为绕射波更准确。深度域中的全方位分解和成像,也称为局部角度域(LAD)迁移,这句migration译为:偏移。学钻井的能翻译物探专业这么好,要鼓励!

    匿名4年前 (2017-07-18)回复
    • 能有您这样包容大度的读者,小编真是太幸福了~以后小编更有动力好好学习天天向上了!

      二丫4年前 (2017-07-19)回复
  2. #2

    Hello friends!
    I am an official representative of private company which deals with all kinds of written work (essay, coursework, dissertation, presentation, report, etc) in short time.
    We are ready to offer a free accomplishment of written work hoping for further cooperation and honest feedback about our service.
    This offer has limited quantities!!!
    Details on our website:
    edu-paper.com

    匿名4年前 (2017-10-15)回复
  3. #1

    Hello friends!
    I am an official representative of private company which deals with all kinds of written work (essay, coursework, dissertation, presentation, report, etc) in short time.
    We are ready to offer a free accomplishment of written work hoping for further cooperation and honest feedback about our service.
    This offer has limited quantities!!!
    Details on our website: >>> top-essay.biz

    匿名4年前 (2017-10-16)回复