基于数字岩心技术的页岩储层可压裂性定量评价

范宜仁, 李格贤, 冀昆, 朱大伟, 张茜

(1.中国石油大学(华东)地球科学与技术学院, 山东 青岛 266580; 2.海洋国家实验室海洋矿产资源评价与探测技术功能实验室, 山东 青岛 266071; 3.中国石油集团测井有限公司技术中心, 陕西 西安 710077; 4.中国石油长城钻探解释研究中心, 北京 100101; 5.中国石油华北油田公司第一采油厂, 河北 任丘 062552)

0 引 言

压裂施工前对页岩储层进行系统的可压裂性评价具有重要意义,不仅可以清晰地认识实际生产中可动用资源量,并且可以合理选择压裂层段,使压裂达到最佳效果。袁俊亮等[1]从页岩气储层岩石的脆性指数、断裂韧性、岩石力学特性3个方面出发,初步建立了以弹性模量、泊松比、单轴抗拉强度3项岩石力学参数为自变量,可压裂指数为因变量的可压裂性评价方法;唐颖等[2]采用极差变换和经验赋值方法将参数标准化,使用层次分析法确定不同因数对可压裂性影响的权重,使用标准化值与权重系数加权得到可压裂系数的数学模型,可对页岩可压裂性进行定量评价;王冠民等[3]通过分析岩石力学和工程力学的相关研究成果,结合实验数据,分析总结了泥岩岩性因素和成岩作用对可压裂性的影响机理;司马立强等[4]采用测井、录井信息相结合的方法,分析得出能够表征泥页岩可压裂性的参数主要有脆性矿物含量、脆性系数、自然伽马、密度、钻时曲线、泊松比、弹性模量等,可定性划分泥页岩储层可压裂级别;Bai[5]认为岩石脆性与矿物成分、韧性有关,但不确定储层脆性与可压裂性的相关性,更加关注致密页岩气储层真实的压裂机理,并提出一种有效的致密页岩储层可压裂性评价方法。上述方法通过弹性参数和脆性矿物含量构建脆性指数评价页岩储层可压裂性,不能反映页岩储层压裂前后裂缝的变化情况。

本文利用CT扫描图像构建数字岩心技术定量表征页岩岩心压裂前后的裂缝信息,压裂前的裂缝信息能反映储层原生裂缝的发育规模、倾向以及倾角;定量评价压裂后新产生裂缝的条数、角度以及原有裂缝的张开度,对裂缝信息与压裂前做比较,定量评价页岩气储层的压裂效果。通过实验室对岩心裂缝发育情况、矿物含量的定量统计,再寻找与测井参数之间的统计关系,进而通过测井资料得出储层纵向的可压裂性剖面。

1 基于数字岩心的裂缝识别与统计技术

1.1 数字岩心技术

数字岩心技术以真实岩样为基础,通过一系列图像处理技术和数值算法将岩心数字化,构建三维数字岩心,常用的方法主要有2类:X射线CT扫描构建三维数字岩心和基于二维图像重建三维数字岩心[6-7]。X射线CT扫描可直接获得岩心二维灰度图像(见图1),图1中除了含有岩石、裂缝和孔隙信息以外,还不可避免地包含大量的随机噪声。其中岩石的灰度级较低,孔隙的灰度级很高,接近黑色,一般表现为不规则的多边形、椭圆形、近圆形。虽然裂缝的灰度级很高,但它是岩石结构失去连续性的一个平面,所以发育形状与孔隙不同,它在二维图像中呈狭长线条状或者树枝型分布。随机噪声则没有固定的灰度级,在二维图像中一般具有面积小、离散分布等特点。在获得大量岩心CT扫描图像的基础上,进行图像滤波并转换为二值化图像并对其进行代表体积元分析,利用移动立方体算法(Marching Cubes)进行重建得到三维数字岩心[8-10]。

本次研究采用phoenix v|tome|xs 180型μm级CT扫描仪系统对昭通A井龙马溪组的17块沿着纹理发育方向钻取的岩心进行切片扫描,CT扫描图像及重建数字岩心。

图1 CT扫描图像及重建数字岩心

1.2 裂缝识别与统计技术

裂缝在CT扫描图像上的特征为灰度高、连续性强、呈狭长线条状或者树枝型分布,因此,可利用三维形状因子F描述目标形态接近球的程度,计算公式为

(1)

式中,Vp为目标体积;Sp为目标表面积。当形状因子趋近于1时,说明目标形状接近一个球,与裂缝的形态差别最大,而当形状因子趋近于0时(F<0.05),则说明目标形状在三维空间中呈平面状[11]。

裂缝在三维空间中具有延展性,可利用等效球半径Req和最小外界球半径Rmin表征目标形状和延展性。等效球半径Req表示与目标体积相等的球半径,仅与目标的体积相关,最小外接球半径Rmin与目标在空间中的延伸性密切相关,当目标的Rmin与Req相近时说明等效球在各个方向上的延伸线相似,反之(Rmin/Req>3)则说明只在某一个方向上具有延展性[12]。

利用等效球半径和最小外界球半径识别裂缝,采用最小二乘法寻找目标的拟合平面,其基本原理是使偏差的平方和最小,即找到一个平面,使目标上每一个点到平面的距离之和最小。设拟合平面的方程为

A·x+B·y+C·z+D=0

(2)

根据最小二乘法的原理得到最小二乘拟合的公式为

(3)

式中,(xi,yi,zi)为目标上任一点;ei表示该点与平面的误差[13]。

设D=1,对式(3)中的A、B、C分别取偏微分,计算得到A、B、C的值,即可确定目标的拟合平面方程

(4)

计算目标上所有点到其拟合平面的距离,并从中分别找出平面两侧的点到平面的最大距离dmax1、dmax2,则计算近似最小外接长方体高度H为

H=dmax1+dmax2

(5)

计算目标在其拟合平面上的投影M,并将M作为一个凸包,使用旋转卡壳算法求出凸包上距离最大的2点P1、P2。P1到P2的距离即为目标近似最小外接长方体长度L。计算凸包M上所有点与直线P1P2的距离,并从中分别找出直线两侧的点到该直线的最大距离dmax3、dmax4,则计算上述目标近似最小外接长方体宽度W的公式为

W=dmax3+dmax4

(6)

通过比较H、L和W可以得到最大值Dmax、最小值Dmin。当Dmax和Dmin相近时,说明目标的三维形态接近正方体,当Dmax远大于Dmin时(Dmax/Dmin>3),说明目标为狭长的面状裂缝[14]。

通过计算目标的三维形状因子,等效球半径和最小外界球半径的比值,能够排除大部分颗粒状分布的随机噪声以及大块状分布的孔隙。同时,由于裂缝呈狭长的面状分布的特点决定了它的近似最小外接长方体的最长边必然远远大于最短边。所以计算近似最小外接长方体的最长边与最短边的比值之后得到的目标,就是裂缝,通过进一步的算法加工,能提取出裂缝条数、面积以及倾角等信息,对裂缝进行全面的定量分析[15]。

2 利用测井信息定量评价储层可压裂性

基于CT扫描图像构建三维数字岩心方法,结合裂缝识别与统计技术,可以得到压裂前后岩石样品裂缝条数、面积、倾角等信息。结合实验室测量的岩石特性数据,可以获得关于样品压裂潜力的定量、定性认识。一般和岩石样品压裂潜力联系紧密的实验分析数据有岩石的矿物组分、岩样的破裂压力、泊松比、弹性模量等力学特性参数。为了与测井信息建立联系,需要利用相关参数构建更能反映岩石压裂潜力的综合指数。

2.1 原生裂缝发育指数F1

在实际开发过程中,压裂后页岩储层渗流能力得到极大改善,主要归功于能够恢复活力的微裂缝和被矿物充填的裂缝[16]。天然裂隙的产状、密度、宽度、组合特征等很大程度上决定了压裂效果。有些裂缝虽然宽度较窄甚至闭合,但它们的存在极大削弱了岩石的完整性,从而使得压裂液可以沿着裂缝削弱面进入岩层,达到一定的压力可以使其发生再次破裂作用。原生裂缝的宽度、长度以及密度的增加,将极大地提高裂缝网络的有效性。所以,一般认为小型未密封的天然裂缝系统对页岩气的储集和压裂都是有利的。但是,并不是所有的原生裂缝在压裂过程中都有所响应[17],裂缝是否张开取决于最大、最小应力差和岩石的抗张强度。在岩石抗张强度St一定时,最大、最小应力差δmax-δmin越小,压裂得到可连通的天然裂缝越多。因此,评价原生裂缝一方面是评价原生裂缝发育的规模;一方面是评价地应力的差值。具体表达式为

(7)

式中,F1为原生裂缝发育指数,cm2/MPa,表示单位应力差内天然裂缝的总面积;Sprimary为原生裂缝总面积,cm2;δmax、δmin分别为最大、最小应力,MPa。F1越大,表示原生裂缝越发育,同时具有较小的地应力差,原生裂缝更容易开启。

2.2 力学特性指数F2

脆性指数较高的储层一般性质硬脆,对压裂作业的反映敏感,在压裂施工时能迅速形成复杂的网状裂缝[18]。通常认为页岩储层的脆性指数是基于岩石弹性模量和泊松比定义的,与脆性矿物(一般为石英、长石等)、黏土矿物的相对含量有关[19]。岩石脆性矿物、黏土矿物与碳酸盐岩含量3元图如图2所示。通过分析岩石矿物含量与压裂前后裂缝增加面积的关系可知,压裂前后裂缝增加的面积(ΔSfrac)与石英含量具有较好的正相关关系(见图3),可用石英含量代替裂缝增加面积。

图2 岩石矿物含量分布示意图

图3 压裂前后裂缝增加面积与石英含量关系图

实际压裂过程中,另外一个十分重要的力学参数是储层的破裂压力,储层的破裂压力越低越有利于压裂[20]。若只用脆性指数或破裂压力评价储层可压裂性,只考虑岩石矿物组分及含量对压裂效果的作用,将缺乏对压裂前后储层变化信息和孔隙结构影响的分析,因此,引入力学特性指数评价页岩储层可压裂性,其表达式为

(8)

式中,F2为力学特性指数,cm2/MPa,表示在单位破裂压力下所能产生的裂缝面积;ΔSfrac为压裂前后增加的裂缝面积,cm2;pfrac为岩样破裂压力,MPa。F2越大,储层具有较好的脆性,压裂后能增加更多的裂缝面积,同时具有较小的破裂压力。

2.3 测井可压裂性剖面计算

通过上述方法得到反映岩石可压裂性的指数F1和F2后,使用常规测井信息和ECS能谱测井资料对其进行神经网络分析,建立神经网络预测模型。通常,裂缝的存在会使得声波测井值增大甚至出现“周波跳跃”现象,密度测井值减小,补偿中子测井值增大,电阻率异常并呈现出各向异性特征,双侧向测井产生幅度差,井径定向性扩径或不规则变化等。因此,采用对原生裂缝发育敏感的AC、Rt、DEN和GR进行神经网络分析,建立F1预测模型;采用对储层力学特征敏感的黏土矿物含量、脆性矿物含量、声波、深电阻率信息作为输入参数进行神经网络分析,建立F2预测模型。

通过上述方法,实现基于常规测井资料和ECS能谱测井资料计算F1、F2,建立可压裂性评价剖面,从而实现定量评价储层压裂潜力的目标,优选储层改造层段。

3 应用效果分析

昭通A井位于昭通凹陷,属于扬子地块构造区域西南边缘的滇黔北坳陷,主体为威信凹陷的中西部区域,其北侧为四川盆地。研究选用昭通A井龙马溪组的17块岩心样品数据以及该井的测井数据作为研究页岩可压裂性评价方法应用对象。龙马溪组分为上、中、下3个部分,岩性组合特征为上部灰黑色泥岩与深灰色灰质泥岩等厚互层,中部为灰黑色粉砂质泥岩与灰黑、深灰色泥质粉砂岩、粉砂岩等厚互层,下部为厚层灰黑色、黑色泥岩。

图4 A-3岩样压裂前后三维数字岩心

3.1 可压裂性实验

使用Autolab1500进行页岩岩心的应力-应变实验、CT扫描等实验。图4为A-3样品在压裂前后通过CT扫描以及裂缝信息进行三维重建的数字岩心,由图4可知压裂后页岩的裂缝发育情况得到了较大的提升,对储层进行了有利改造。通过三维形状因子法、等效球半径与最小外接球半径等算法对扫描的裂缝图像进行识别与统计,分别计算了压裂前后的裂缝条数、面积、倾角等信息,表1为压裂前后,裂缝面积及破裂压力、地应力等参数的统计信息。因条件限制,该批次岩样没有测试地应力信息,参考测井资料,地应力差统一设置为2 MPa。

从实验结果看,随着深度增加,裂缝的原生面积和压裂前后增加的面积均呈增大趋势,而破裂压力呈减小趋势。因此,可以得出结论:昭通A井龙马溪组下部比上部具有更高的压裂潜力。

3.2 可压裂性定量评价

图5为昭通A井可压裂性评价综合测井图。基于可压裂性实验结果及上述利用神经网络计算F1、F2方法,结合测井资料计算昭通A井的F1、F2曲线,第8道、第9道为F1、F2曲线计算结果,可见计算F1、F2曲线与岩心实验结果较为符合。2 047～2 050 m段F1、F2数值较大,表示具有较好的天然裂缝发育情况和力学特性,由此可知该层段具有较好的压裂潜力。

4 结 论

(1) 利用CT扫描图像构建三维数字岩心,分析其中的灰度信息及各组分发育特征,裂缝具有灰度级别高、图像呈狭长线条状或者树枝型分布的特征,通过最小外接长方体算法可实现裂缝识别与信息统计。

(2) 基于三维数字岩心提取压裂前后的裂缝条数、面积和倾角等关键参数,引入原生裂缝发育指数F1、力学特性指数F2来综合表征页岩储层压裂潜力。分析F1、F2与测井资料的相关性,利用单因素分析和神经网络模型预测F1、F2曲线,更直观地评价储层纵向剖面上压裂潜力的变化。

(3) 可压裂性实验结果显示随着深度增加,原生裂缝面积和压裂前后增加的裂缝面积均有增加的趋势,破裂压力有减小的趋势,说明昭通A井龙马溪组下部比上部具有更高的压裂潜力。

(4) 在昭通A井的应用中,F1、F2计算曲线与岩心实验结果较吻合。在2 047～2 050 m沉度段F1与F2均较大,表示具有较好的天然裂缝发育和较好的脆性特征,具有较高的压裂潜力。

参考文献:

[1] 袁俊亮, 邓金根, 张定宇, 等. 页岩气储层可压裂性评价技术 [J]. 石油学报, 2013, 34(3): 523-527.

[2] 唐颖, 邢云, 李乐忠, 等. 页岩储层可压裂性影响因素及评价方法 [J]. 地学前缘, 2012, 19(5): 356-363.

[3] 王冠民, 熊周海, 张婕. 岩性差异对泥页岩可压裂性的影响分析 [J]. 吉林大学学报(地球科学版), 2016, 46(4): 1080-1089.

[4] 司马立强, 温丹妮, 闫建平, 等. 泥页岩储层可压裂性分析及压裂高度预测方法研究 [J]. 测井技术, 2015, 39(5): 622-627.

[5] BAI M. Why Are Brittleness and Fracability Not Equivalent in Designing Hydraulic Fracturing in Tight Shale Gas Reservoirs [J]. Petroleum, 2016, 2(1): 1-19.

[6] 刘学锋, 张伟伟, 孙建孟. 三维数字岩心建模方法综述 [J]. 地球物理学进展, 2013, 28(6): 3066-3072.

[7] 高兴军, 齐亚东, 宋新民, 等. 数字岩心分析与真实岩心实验平行对比研究 [J]. 特种油气藏, 2015, 22(6): 93-96.

[8] 孔强夫, 周灿灿, 李潮流, 等. 数字岩心电性数值模拟方法及其发展方向 [J]. 中国石油勘探, 2015, 20(1): 69-77.

[9] 刘学锋. 基于数字岩心的岩石声电特性微观数值模拟研究 [D]. 青岛: 中国石油大学(华东), 2010.

[10] 屈乐, 孙卫, 杜环虹, 等. 基于CT扫描的三维数字岩心孔隙结构表征方法及应用——以莫北油田116井区三工河组为例 [J]. 现代地质, 2014(1): 190-196.

[11] MIYAMOTO A, KONNO M A, BRUHWILER E. Automatic Crack Recognition System for Concrete Structures Using Image Processing Approach [J]. Asian Journal of Information Technology, 2012, 67(8): 2894-2898.

[12] 孙殿柱, 田中朝, 李延瑞, 等. 基于四维聚类的R*-树结点分裂算法 [J]. 机械工程学报, 2009, 45(10): 180-184.

[13] 张桂莲, 钱斌, 胡蓉, 等. 一种基于数字图像处理和最小二乘拟合的打孔水松纸透气度检测方法 [J]. 计算机与应用化学, 2016, 33(2).

[14] 李心成. 三角曲面造型关键算法的研究与应用 [D]. 淄博: 山东理工大学, 2009.

[15] SINHA S K, FIEGUTH P W. Automated Detection of Cracks in Buried Concrete Pipe Images [J]. Automation in Construction, 2006, 15(1): 58-72.

[16] 赖生华, 刘文碧. 泥质岩裂缝油藏特征及控制裂缝发育的因素 [J]. 矿物岩石, 1998, 18(2): 47-51.

[17] Reservoir Stimulation [M]. Chichester: Wiley, 2000.

[18] 谢刚. 用测井资料计算最大和最小水平应力剖面的新方法 [J]. 测井技术, 2005, 29(1): 82-83.

[19] 张晋言, 孙建孟. 利用测井资料评价泥页岩油气“五性”指标 [J]. 测井技术, 2012, 36(2): 146-153.

[20] 杨雷, 朱勇红. 破裂压力预测的应用研究 [J]. 新疆石油学院学报, 2002, 14(4): 67-71.