Petrel软件中净毛比计算的一种改进方法研究

赵柏杨 （中石油大庆油田有限责任公司第四采油厂地质大队，黑龙江 大庆163511）

Petrel软件是开展多学科一体化研究的重要工具，其突出特点是能够建立精细构造模型。应用Petrel软件计算器模块得到的净毛比模型受人为因素干扰较大，直接影响储量计算结果。为此，笔者将GptMap软件中的给定有效厚度算法移植到Petrel软件中，得到一种准确计算净毛比的方法。

1 储量计算方法及不确定性分析

1.1 储量计算方法

Petrel软件中模型储量计算方法采用容积法计算含油体积，公式如下：

式中，STOIIP表示地面条件油体积，m3；Bulk volume表示模型网格总体积 （即构造模型），m3；NTG表示净毛比；Porosity表示孔隙度；So表示含油饱和度；Bo表示体积系数，取定值1.115。

1.2 不确定性分析

从储量计算公式可以看出影响储量结果的因素有构造模型、孔隙度、含油饱和度和净毛比。

1）构造模型不确定性分析 构造模型的断层骨架构建及构造面是影响构造模型的关键因素。目前构造模型 （见图1）的建立是在密井网条件下应用井震结合技术实现的，能够精细刻画构造面及断层特征，使得模型网格总体积对最终储量的影响很小。

2）孔隙度及含油饱和度不确定性分析 建立孔隙度和含油饱和度模型的方法完全一样，即在数据分析及得到的变差函数的基础上，以建立的沉积相模型（见图2）作为约束，得到孔隙度及含油饱和度模型。

图1 XX油田XX块构造模型

孔隙度及饱和度模型的过井网格完全遵循测井曲线解释成果进行粗化 （见图3），其次相控建模的相模型是精细划分的人工相图，所以不考虑不确定性因素。孔隙度和含油饱和度模拟采用的算法都是随机模拟，影响模拟结果的主要因素就是数据分析过程中的随机种子 （seed）和变差函数［1-2］。

3）NTG不确定性分析 有效厚度与地层厚度的比值称为净毛比：

式中，Dznet表示有效厚度，m；Dz表示地层厚度，m。

失误2：有的考生用问题1中的解法3的方法来解(如图13)，虽然可以构成平行四边形，但是这里表示四边形ABCD和△EBG的面积比较困难，.

图2 XX块沉积相模型

图3 XX块模型粗化

在Petrel软件三维地质模型中，NTG通常是指一种用数字0和1区分的无效和有效储层。通过设立孔隙度和含油饱和度的门槛值，利用Petrel软件中的计算器功能可计算出NTG模型 （见图4）。下面分析如何计算得到该区块的NTG模型。

从测井解释的孔隙度与含油饱和度的交汇图 （见图5）中可以看出，其孔隙度下限极值可看成0.19，含油饱和度下限极值可看成0.2，但主体数据集中区的值域可以是孔隙度＞0.22，含油饱和度＞0.35。

图4 XX块NTG模型

图5 XX块孔隙度与含油饱和度交汇图

按照Petrel软件惯常建立净毛比初始模型的方法：把符合孔隙度大于0.22且含油饱和度大于0.35的条件设为有效储层，定值为1，否则为无效储层，定值为0，其表达公式：

式中，Saturation表示饱和度。

综合以上分析，认为影响储量计算结果的主要因素是NTG、孔隙度和含油饱和度，而影响NTG的主要因素仍然是门槛值的确定以及孔隙度和含油饱和度。所以，影响储量的不确定因素集中在净毛比门槛值、随机种子和变差函数这3个参数。

2 参数敏感性评价

为了找出影响储量结果的这些参数的不确定性大小，下面笔者以XX单元为例 （见表1）做针对储量的参数敏感性分析。XX单元地质储量为330.7×104t，以变差函数作为确定变量，随机种子 （seed）作为不确定变量，模拟20个实现，储量分布得出区间为308～325，在误差许可范围内，可以看出随机种子对储量影响很小。以随机种子 （seed）作为确定变量，变差函数作为不确定变量，且主要对主变程（200～300）与次变程 （100～200）模拟20个实现，储量分布得出区间301～328，在误差许可范围内，变差函数在合理范围内变化对储量影响微弱。以上结果说明随机种子和变差函数都不是明显影响储量的不确定性因素。

通常情况下，当把地质方法计算的地质储量作为模型储量的分析标准时，有些单元储量极少，计算结果相差较大，调整变差函数和随机种子很难达到效果，那么只可以采取调整净毛比公式的孔隙度和饱和度门槛值的方法进行储量放大。

如单元层XX，净毛比计算公式：

调整门槛值前后储量计算结果为0.52×104t和3.9×104t。综上所述，影响地质模型储量的主要因素是净毛比计算中的孔隙度和含油饱和度的门槛值，虽然可以通过对孔隙度及含油饱和度的数据统计界定一个相对合理的范围，但不同技术人员的人为调整参数差异依然很大。

3 给定有效厚度计算净毛比

3.1 折算有效厚度

首先通过GptMap软件，处理小层数据库、夹层数据库及分层界限库，最终得到三级分层数据库。其次从三级分层库中按照地质认识折算有效厚度，公式如下：

式中，H折算为折算有效厚度，m；H有效为纯有效厚度，m；H一类为一类砂岩厚度-纯有效厚度，m；H二类为二类砂岩厚度-一类砂岩厚度，m。

以折算XX井的XX沉积单元有效厚度为例：

按照有效厚度折算公式，通过前处理计算出每个储层的有效厚度，按照Petrel软件的格式，将有效厚度数据加入到welllog曲线数据中。

3.2 建立有效厚度模型

首先将经过接口程序处理得到的有效厚度 Welllog曲线网格化，在数据分析及得到的变差函数的基础上，以建立的沉积相模型作为约束，得到有效厚度模型 （见图6）。

图6 XX块有效厚度模型

3.3 利用有效厚度计算储量方法

将NTG＝Dznet／Dz代入储量计算公式中，得到：

3.4 有效厚度模型不确定性分析

首先，模型的过井网格完全遵循测井曲线解释成果折算后的单层数据进行粗化；其次，考虑相控建模的相模型是精细划分的人工相图，所以不考虑不确定性因素，影响有效厚度模拟结果的主要因素取决于数据分析的变差函数和随机种子这2个变量。笔者仍以XX单元为例针对这2个变量做敏感性分析。

以变差函数作为确定变量，随机种子 （seed）作为不确定变量，模拟20个实现，储量分布得出区间为327～334，在误差许可范围内。以随机种子 （seed）作为确定变量，变差函数作为不确定变量，且主要对主变程 （200～300）与次变程 （100～200）模拟20个实现，储量分布得出区间320～337，在误差许可范围内。变差函数和随机种子这2个变量在合理范围内变化对储量影响微弱。

前期构造模型不变，用Petrel的储量计算模块，调用相关的孔隙度、饱和度模型和有效厚度模型或NTG，计算得储量并与地质储量对比 （见表1）。从表1结果可以看出，利用有效厚度模型计算净毛比对模型储量影响微弱。

4 实际应用

对XX块做储量拟合，总储量误差为4.8%，单层储量拟合误差小于10%的沉积单元占总数63%以上。应用结果表明，利用有效厚度模型计算净毛比避免了研究人员的任意参数调整，且对储量影响微弱，提高了地质模型精度。

表1 XX单元两种参数计算储量对比表

5 结 论

（1）通过对模型储量不确定分析，得出影响储量的因素是净毛比门槛值、随机种子和变差函数。进行敏感性分析后发现，随机种子和变差函数这2个变量都不是明显影响储量的不确定因素。净毛比门槛值虽然可以应用区块属性参数散点图确立出适合每个区块的属性参数，但门槛值参数的调整受人为因素影响较大。

（2）有效厚度的过井网格的粗化完全遵循三级分层库中折算的数值，其次有效厚度模型是以建立的沉积相模型作为约束，在数据分析及得到的变差函数的基础上建立的，经过敏感性评价，利用有效厚度模型计算净毛比对模型储量影响微弱，从而避免了研究人员的任意参数调整，提高了模型地质储量的精度。

［1］欧阳明华，谢从娇 .精细油藏描述中的储层建模 ［J］.新疆石油学院学报，2004，16（1）：4-7.

［2］张世明，万海艳，戴涛，等 .复杂油藏三维地质模型的建立方法 ［J］.油气地质与采收率，2005，12（1）：2-3.