页岩储层含气量测井解释方法及其应用研究

徐忠良（长城钻探工程有限公司测井公司，辽宁 盘锦 124011）

页岩储层含气量测井解释方法及其应用研究

徐忠良（长城钻探工程有限公司测井公司，辽宁 盘锦 124011）

页岩储层测井的常见特征项为电阻率、声波时差、自然伽马、中子值、密度等，较难进行精密计算。本文对EROMANGA油田的Toolebuc页岩建立了测井解释模型，并对其应用进行分析。

页岩储层；含气量；解释方法；应用研究

页岩气通常以吸附和游离的形式存在于细粒碎屑岩中，是天然气的一种。天然气测井技术是评价页岩储层含气的关键，但其隐秘性和复杂性使得测井解释十分困难，且解释模型与常规储层有所差异。

1 测井解释模型建立

1.1 孔隙度和矿物含量

Toolebuc页岩中包含了干酪根、灰质、泥质和砂质，利用SPSS进行统计学分析，得出孔隙度、干酪根、有机物含量（TOC）和矿物之间的关系。①TOC（有机物含量）：有两种方法分别为声波电阻率和密度计算，交汇分析可知，密度和有机物含量之间的相关性较强，两者呈反比，利用密度计算法发现TOC=-37.172×DEN+89.408,R=0.955，DEN为密度测井值，单位为g/cm3，R是相关系数。页岩声波时差曲线为高值的原因主要是油气和发育的裂缝都会增大声波时差，所以声波曲线和TOC为正比例相关。通常情况下泥质岩电阻率较低，但在裂缝的油气层段电阻率较大，说明电阻率曲线与TOC存在较高的相关性。所以可得，其中Rt为地层电阻率（Ω·m），AC为声波数值（ μs/ft），ACj为非源岩声波（μs/ft），K是刻度系数，一般为0.02。由关系式可知，通过密度法计算的TOC更为准确和可靠。②GLG（干酪根含量）：储层中的GLG会对TOC产生直接的影响，交汇分析EROMANGA油田的多口井可知：GLG=2.491+1.144×TOC+0.013×TOC2，其中系数R为0.895，GLG单位为%。③Vsh（泥质含量）：计算Vsh时通常使用自然伽马，中子数值与Vsh成正比，电阻率与Vsh成反比，所以对TOC、电阻率和Vsh回归分析可知：Vsh=18.948-1.968×TOC+0.816×CNL-0.486×Rt，其中系数R为0.843，泥质含量单位为%，CNL是中子数值（%）。④Vlim（灰质含量）：Vlim会对电阻率的测得值和中子值产生影响，通常三者之间成正比关系，而TOC与矿物量有直接联系，由此可得Vlim=63.645+0.568×Rt+2.0×TOC-1.678×CNL，其中系数R为0.757。⑤PORT（孔隙度）=-1.537+0.62×CNL-0.89×DEN-0.604×TOC，其中系数R为0.901。⑥POR（充气孔隙度）：垂直深度不足700米时，系数R为0.824，POR=-7.494-0.053×TOC-0.051×Vsh+3.426×DEN+0.075×CL；垂直深度超过700米时，POR=-46.155-0.087×TOC-0.123×Vsh+18.253×DEN+0.352×CL，此时系数R为0.831。⑦SAND（砂质含量）=100-POR-Vlim-Vsh-GLG。

1.2 Sog模型（含烃饱和度）

常规的泥质砂岩计算饱和度的公式显示，电阻率、含水饱和度、孔隙度和泥质含量之间关系密切，含水饱和度与孔隙度、电阻率成反比，随着电阻率的增高和孔隙度的变大，地层含水饱和度会降低，且泥质对其也会产生一定影响，回归分析可得计算模型：Sog=100-Sw，R=0.857。式中Sw是含水饱和度，为百分数，Sog为含气饱和度，也为百分数。

1.3 Tgas模型（总含气量）

TOC（有机物含量）与页岩吸附气量和生气率成正比例关系，有机物的含量越高，页岩含气量也越高。通常情况下，页岩的含氢指数较高，使得其中子值也相对较高，但是高含气量状态下的中子挖掘效应会降低中子的测量值，所以采取综合评价有机物和中子含量的方法，以此来对页岩的含气总量进行计算，回归分析可得：Tgas=3.013-0.073×CNL+0.150×TOC,R=0.995，本式中Tgas为含气总量，单位为m3/t。

2 应用研究

2.1 工况

EROMANGA油田位于加里里盆地，页岩气勘探的目标主要是Toolebuc页岩，其主要构成为石灰岩和生物质丰富的页岩，主要的测井资料为电阻率、自然伽马、电位、中子值、密度、声波等。

预处理资料

EROMANGA油田的测井方法主要为电缆测井，此油井的中子值、密度、声波等曲线性状良好，仅声波曲线存在小幅度偏差，标准层选定为储层以上20至30米的泥岩层，这部分通常较为稳定，绘制标准层直方图后可以得到油井的声波、中子值和密度的校正值。

图一密度校正直方图

2.2 计算方法比较

通过Forward软处理上述模型的页岩层段，对比各计算方法的计算精度。利用最优化的刻度技术和方法，以概率统计模型和神经网络模型为基准，对储层的干酪根、砂质、灰质和泥质等物质的含量进行评价和计算，对比计算结果可知，统计算法的结果最为精确。

2.3 结果分析

通过统计回归算法和上述解释模型处理各井页岩层段，储层的干酪根、砂质、灰质和泥质等物质的含量计算结果都岩心刻度较为吻合，相对误差均小于8%，说明此模型可以应用在工区测井评价中。

3 结语

本研究的解释模型计算结果准确，误差较小，适用于EROMANGA油田，也可扩展应用于整个区块中。

[1]唐颖,李乐忠,蒋时馨.页岩储层含气量测井解释方法及其应用研究[J].天然气工业,2014(12).

[2]金力钻,孙玉红,杨铁梅.页岩气储层测井解释模型建立与评价方法研究[J].石油化工高等学校学报,2015(4).