四川盆地丁山区块页岩气储层关键参数测井评价方法

严 伟 ，刘 帅 ，冯明刚 ，张 冲 ，范树平

（1.中国石化勘探分公司勘探研究院，成都610041；2.长江大学油气资源与勘探技术教育部重点实验室，武汉430100）

0 引言

2012年中石化钻探的页岩气井焦页1井获得了突破，拉开了国内首个页岩气田涪陵页岩气田发现的序幕［1-3］。涪陵页岩气田的目的层系为五峰组—龙马溪组，总有机碳（TOC）含量高是其高产富集的主要原因之一［4-6］。随着涪陵页岩气田的发现，中石油在四川盆地长宁、威远等地区的五峰组—龙马溪组页岩层也获得了重大突破［7］。2013年至今，中石化在四川盆地丁山区块陆续部署了5口页岩气预探井，在五峰组—龙马溪组测试都获得了工业气流，显示该区块具有较好的资源潜力。

丁山区块位于川东南綦江南区块中部，地处四川盆地东南边缘，介于华蓥山帚状山脉向南倾末端、大娄山脉向北延伸处之间，属喀斯特地貌［8］。丁山构造位于焦石坝地区西南约150 km，为大型鼻状构造，构造总体分为齐岳山断裂破碎带、深部冲断断裂发育带（斜坡带）和深埋平缓带，其目的层系五峰组—龙马溪组一段的矿物主要是由黏土、石英、长石、方解石、白云石以及少量黄铁矿组成；TOC质量分数为0.5%～6.5%，平均值为1.8%，热演化程度较高，镜质体反射率Ro值一般大于2.0%；孔隙度为0.9%～7.3%，平均值2.9%；黏土矿物体积分数为14.9%～70.0%，平均值35.3%，纵向上从上到下有逐渐降低的趋势。

与焦石坝区块相比，丁山区块五峰组—龙马溪组一段实施的5口页岩气探井具有以下4个特征：①孔隙度、地层压力等反映保存条件的参数差异更大；②不存在稳定超压的情况，探井的井眼极易崩落；③储层参数与测井曲线敏感性相对更差，TOC含量、含水饱和度等参数在焦石坝区块均与密度曲线相关性非常好，但在丁山区块这一特征并不明显；④从这2个区块的实验、测录井等资料分析发现，其优质页岩气层段五峰组—龙马溪组一段一亚段TOC含量相近，但龙一段二亚段—龙一段三亚段的差异大。这些差异性造成焦石坝适用的以密度曲线主导的参数评价系统在该区块并不适用，有必要针对丁山区块开展针对性的研究。

国内外学者对页岩气储层的TOC含量、孔隙度、含水饱和度以及矿物含量等参数的评价方法进行了研究。TOC含量是页岩气储层评价的关键参数之一［9-10］，Passey 等［11］提出的 Δlog R 法适用范围为热变指数LOM为6～12（对应Ro为0.5%～1.0%），研究区页岩气储层的烃源岩为成熟—高成熟阶段，使用Δlog R计算TOC含量时，热变指数LOM计算不准确，导致计算的TOC含量精度不高；王建国等［12］提出利用自然伽马与声波回归计算TOC含量，宋磊等［13］提出利用电阻率、自然伽马与声波时差三元参数回归计算TOC含量；胡曦等［14］认为密度-铀含量二元回归公式在长宁地区应用效果好；熊镭等［15］提出利用神经网络计算TOC含量。

孔隙度与含水饱和度是影响页岩含气性与储量大小的重要参数。在孔隙度计算方面，钟光海等［16］利用传统的最优化模型计算，没有考虑页岩有机质对孔隙的影响；Zhu等［17］利用常规测井与元素测井结合消除了含水饱和度的影响，计算出了准确的总孔隙度，但是元素测井测量成本高，模型适用性不强；徐壮等［18］利用声波时差测井进行孔隙度计算，但声波时差测井影响因素较多，计算精度受到影响。在含水饱和度计算方面，黄小平等［19］认为阿尔奇以及衍生公式的核心物理模型是对岩石导电特性主要影响因素及其相关关系的诠释，认为页岩气储层在受到岩性、烃源岩含量及其成熟度、束缚水以及黄铁矿等因素影响下造成双侧向测井电阻率偏低，计算结果精度不高；刘帅等［20］认为阿尔奇公式中计算页岩储层的岩电系数无法准确求取，也影响含水饱和度的计算精度；张晋言等［21］利用密度曲线与中子曲线重叠的幅度差与含水饱和度拟合来进行计算，但由于密度曲线极易受到扩径的影响，含水饱和度模型适用性会变差；付杰［22］利用TOC含量进行含水饱和度计算，取得了一定的效果，但是也存在TOC含量计算精度影响含水饱和度精度的问题。

矿物含量直接关系着储层的压裂改造效果，在测井计算中，通常采用多矿物模型计算，要求将岩性复杂地层看作由均匀的几部分组成，并采用最优化方法计算不同骨架参数［23］，但是最优化方法中的参数多样，求取准确的计算参数具有一定难度，而且页岩气储层非均质性较强，岩石骨架参数纵向上变化大，所以采用多矿物模型得到的页岩储层的矿物含量误差较大。

根据丁山区块储层的特征，建立一套适合该区的页岩气测井评价方法，以实验资料较全的丁页A井作为建模井，探讨储层各参数评价方法的适用性，通过视骨架密度法以及统计模型法等对储层参数的计算方法进行精细研究，以期提高研究区的储层参数评价效果，为后续勘探开发提供依据。

1 测井评价模型

1.1 有机碳含量模型

将TOC含量与不同的测井曲线进行交会分析，有助于对测井曲线与TOC含量的关系进行系统地分析。

岩性密度法在计算TOC含量方面有好的效果，但其前提是能采集到井筒较好的测井资料，而四川盆地丁山区块构造复杂，井眼条件欠佳，密度测井受井眼扩径影响大，测井曲线失真，利用岩性密度法计算的TOC含量与岩心分析数据差异较大，影响计算结果的精度。

选取丁页A井的74个页岩样品，通过岩心实验分析其TOC含量，并将其分别与岩性密度和铀含量进行交会分析，考虑到研究区扩径层段较多，对用于建模的丁页A井进行了正常井径段以及扩径段的分别绘制。如图1所示，岩性密度测井受到井眼扩径的影响非常大，但是能谱铀含量曲线受到的影响很小。由于用于建模的A井扩径并不严重，所以扩径段的取心并不多，总体优质储层段扩径率也只有9.6%，但是其他井扩径则十分严重，其中最为严重的D井优质储层的扩径段厚度占优质储层总厚度的31.9%，如果利用基于岩性密度法的TOC含量评价方法会使得预测效果变差。

图1 丁页A井岩心分析TOC含量与密度、铀含量交会图版（正常井眼与扩径井段）Fig.1 Relatioshipsof coreanalyzed TOC content with density and uranium content of well Dingye A

选取丁页A井的67个页岩样品，通过岩心实验分析TOC含量，将之分别与自然伽玛值和铀含量进行交会，其中铀含量与岩心分析TOC含量的相关性较高（图2），利用能谱铀含量曲线建模，通过铀含量与岩心分析TOC含量进行乘幂、线性、指数、对数等方法拟合，优选相关性最好的乘幂函数法。

采用铀含量幂函数计算TOC含量公式为

式中：w（TOC）为有机碳质量分数，%；w（U）为铀质量分数，10-6。

图3为丁页A井五峰组—龙马溪组页岩气储层测井综合解释成果图，其中龙一段二亚段—龙一段三亚段通过式（1）得到TOC含量，与岩心分析TOC含量吻合性较好，而五峰组—龙一段一亚段计算TOC含量与岩心分析结果差异大，分析原因主要是这2段测井响应特征差异明显，岩心分析TOC含量差异也大。

对目的层段统一建模计算的精度低，因此，对这2段采取分开建模（图4），其中图4（a）为龙一段二亚段—龙一段三亚段的TOC含量计算图版，其岩心分析TOC含量来自丁页A井的57个页岩样品，图4（b）为五峰组—龙一段一亚段TOC含量计算图版，其岩心分析TOC含量来自丁页A井的23个页岩样品。

图2 丁页A井TOC含量计算图版（全井段）Fig.2 TOC content calculation of well Dingye A

图3 丁页A井五峰组—龙马溪组页岩气储层测井解释综合图Fig.3 Comprehensive logging interpretation of shale gas reservoir of Wufeng-Longmaxi Formation in well Dingye A

由于龙一段二亚段—龙一段三亚段的TOC含量过低，仅利用该层的TOC含量进行建模会使得模型可靠程度下降，所以在其TOC含量计算模型中使用部分高TOC含量井段的数据，龙一段的二亚段—龙一段的三亚段TOC含量计算模型由图4（a）可得

五峰组—龙一段一亚段TOC含量计算模型由图4（b）可得

1.2 孔隙度模型

图4 丁页A井TOC含量计算图版（分井段）Fig.4 TOC content calculation of well Dingye A

页岩气储层的孔隙度由无机孔和有机质孔两部分组成，由于有机质能够吸附铀的氧化物，铀的含量越高对应的有机质含量也越高，而有机质含量的高低能表征有机质孔的大小。研究表明，页岩纳米孔占优势，有机质孔较为发育［24-25］，对于优质的有机页岩储层，有机质孔的含量通常可以超过50%，是总孔隙度的主要来源。图5为丁页A井同一个页岩样品不同尺度（200 nm与100 nm）的氩离子扫描电镜图，其有机质孔较为发育，这说明铀含量可能与孔隙度具有非常好的关系，铀含量的高低也能反映有机质孔隙的大小。

图5 丁页A井氩离子抛光-扫描电镜有机质孔分析Fig.5 Organic poreanalysisby argon ion polishing-scanning electron microscopy of well Dingye A

取丁页A井的22个页岩样品，通过岩心分析其孔隙度，并将之与测井曲线进行交会（图6），可知，岩心分析孔隙度与声波时差和铀含量之间有较好的相关性。因此，对于丁山区块，利用声波时差与能谱铀测井曲线可以准确地计算出储层的孔隙度。

利用声波时差与铀含量建立孔隙度计算模型，优选相关系数最高的二元一次方程

式中：POR为孔隙度，%；AC为声波时差，μs/m。

1.3 矿物含量模型

以岩石物理体积模型为基础，利用实验分析的矿物含量参数值与测井信息进行敏感性分析，建立页岩气储层矿物评价模型。丁页A井五峰组—龙马溪组全岩X射线衍射分析矿物种类有石英、钾长石、斜长石、方解石、白云石、黏土以及少量的黄铁矿。根据岩石物理体积模型，理论上建模时考虑岩石的所有矿物，岩石组分划分越细，计算的结果与地层越相近，但实际上每种矿物的岩石骨架参数不同，取值困难，且矿物含量纵向上变化大，计算的精度不高。页岩的矿物组分与含量直接影响储层的压裂改造，改造的效果与脆性矿物含量密切相关，脆性矿物分为硅质岩与碳酸盐岩。因此，在建模过程中将石英、钾长石、斜长石归为硅质岩一类，方解石、白云石归为碳酸盐岩一类，由于黄铁矿与菱铁矿的含量极少，在建模中归为硅质一类，将页岩体积简化为黏土、硅质、碳酸盐岩和孔隙4部分，全岩X射线衍射分析黏土体积分数在13.2%～59.4%，平均值为39.5%。

图6 丁页A井孔隙度计算图版Fig.6 Porosity calculation of well Dingye A

对于焦石坝页岩气储层来说，仅利用统计模型就能准确的预测矿物成分，但是对于丁山区块来说，预测难度明显加大，传统的统计方法已经无法满足储层矿物成分的计算，所以提出了利用黏土视骨架密度思路计算矿物成分的方法。由于页岩黏土矿物与有机质成分复杂，骨架密度也非固定值，将各黏土成分与有机质总体看作黏土整体，引入黏土视骨架密度概念。由岩心分析得到的硅质岩、碳酸盐岩、黏土含量以及孔隙度与密度值，在已知各脆性矿物骨架密度（硅质岩骨架密度取2.65 g/cm3，碳酸盐岩中方解石骨架密度取2.71 g/cm3，白云石骨架密度取2.87 g/cm3）的前提下，通过密度体积模型反推得到黏土视骨架密度（ρma）。

式中：ρ为物性分析密度，g/cm3；ρF，ρSI，ρCA与ρma分别为流体密度，硅质岩骨架密度，碳酸盐岩骨架密度和黏土骨架密度，g/cm3；VSI，VCA与VCLAY分别为硅质岩、碳酸盐岩及黏土的体积分数，%。

根据岩心物性分析的岩石密度数据和全岩分析矿物数据可计算出岩心黏土视骨架密度，再分别建立岩心黏土视骨架密度与岩心TOC含量图版、岩心黏土矿物含量及岩心硅质含量图版（图7），图7（a）中w（TOC）为丁页A井的30个页岩样品，黏土视骨架密度为同一深度处的TOC含量样品对应的岩心黏土视骨架密度，图 7（b），图 7（c）中的黏土含量与硅质含量为丁页A井全岩X射线衍射分析的79个页岩样品，黏土视骨架密度为同一深度全岩X射线衍射分析的黏土与硅质对应的岩心黏土视骨架密度。

在TOC含量计算的基础上，根据图7（a）中黏土视骨架密度与TOC含量之间的关系式，计算出黏土视骨架密度

将黏土矿物与有机质看作黏土整体，而有机质的密度与黏土、硅质和碳酸盐岩的密度相比低很多，纵向上从五峰组—龙马溪组一段顶部到底部，TOC含量是逐渐增加的，尤其在底部TOC含量非常高，对黏土整体的密度影响较大，TOC含量高，密度低。因此，随着TOC含量的增加，黏土视骨架密度降低，黏土视骨架密度与TOC含量之间的关系较好。

根据图7（b）和图7（c）中建立的黏土含量和硅质含量与黏土视骨架密度之间的关系式，计算黏土和硅质含量，根据体积模型计算碳酸盐岩含量。

1.4 含水饱和度模型

页岩气含水饱和度评价是页岩气储层参数评价的难点之一，传统的利用阿尔奇及其衍生模型方法不适用于页岩气含水饱和度评价。根据储层特征，分析页岩导电影响因素，提出利用敏感测井信息计算页岩气含水饱和度。张晋言等［26］提出的低阻页岩气含水饱和度计算方法主要利用密度信息计算含水饱和度，该方法在涪陵焦石坝区块应用效果好。

图7 丁页A井页岩矿物含量解释图版Fig.7 Shalemineral content interpretation of well Dingye A

丁山区块五峰组—龙马溪组页岩气储层也属于低阻，电阻率为10～100Ω·m，但其他测井响应特征与焦石坝差异大，尤其是部分井眼扩径，造成三孔隙度测井曲线，尤其是密度曲线值失真，因此该方法在丁山区块应用效果差，须根据丁山区块页岩气储层特征及资料情况建立合适的含水饱和度评价模型。如图8所示，岩心分析含水饱和度数据来自丁页A井的24个页岩样品，分别为岩心分析含水饱和度与密度、铀含量交会图版。

由图8可知，岩心含水饱和度与铀含量之间相关性较好，分析其原因为：①五峰组—龙马溪组一段页岩以有机质孔和黏土矿物晶间孔为主，有机质孔隙具有亲油性，黏土矿物晶间孔隙具有亲水性，TOC含量越高，有机质孔隙越发育，含水饱和度越低，含气性好，而黏土矿物含量越高，黏土矿物间孔越发育，含水饱和度越高，含气性差［27］；②龙马溪组页岩中大部分孔隙为有机质孔，TOC含量的多少决定了页岩中孔隙的多少，气体赋存状态以吸附气为主，游离气含量较少，TOC含量的增加使得页岩储层吸附能力增强［28-29］；③有机质孔是孔隙比表面积的主要贡献者，提供了大部分具有吸附性的孔比表面积，TOC 含量越高，有机质孔越高，含气性越好［30-31］。

图8 丁页A井含水饱和度计算图版Fig.8 Water saturation calculation of well Dingye A

参见图3，龙一段三亚段顶部3 642.4 m到3 703 m处，TOC 含量相对偏低，平均值1.2%，对应的孔隙度也偏低，平均值2.5%，而含水饱和度偏高，平均值40.1%，黏土矿物体积分数也偏高，平均值42.0%；从3 703 m到五峰组底部，TOC含量高，平均值3.9%，对应的孔隙度也高，平均值4.0%，而含水饱和度低，平均值26.0%，黏土矿物体积分数也低，平均值23.0%，即TOC含量高，孔隙度高，含水饱和度低，含气性高；TOC含量低，孔隙度低，含水饱和度高，含气性差。

通过对丁山区块页岩样品进行扫描电镜、氩离子抛光、薄片鉴定等分析，发现以有机质孔隙发育为主，TOC含量越高，有机质孔隙越发育。铀含量与有机质丰度关系密切，在过成熟的情况下，有机质中都有足够的时间产生有机质孔，而有机质孔含量越高，含气性越好，含水饱和度越低。所以，铀含量可以有效地反映含水饱和度的高低。铀含量的二次方多项式模型有较高的相关系数，公式如下

式中：Sw为含水饱和度，%。

2 方法应用评价

利用建立的页岩气储层参数评价模型对四川盆地丁山区块5口井五峰组—龙马溪组一段页岩气储层进行处理解释（参见图3）。分段建模计算的TOC含量较目的层段统一建模计算的结果与岩心分析结果的吻合性更好，相对误差从12.31%降至6.82%。以TOC含量的大小作为储层测井划分的标准，将w（TOC）≥4%分为一类页岩气层，将2%≤w（TOC）＜4% 分为二类页岩气层，1%≤w（TOC）＜2%为三类页岩气层，其中一、二类页岩气层为优质储层段，对丁页A井测井解释页岩气储层69.2 m，其中10号层和11号层为一类页岩气层，厚度为9.6 m，9号层和12号层为二类页岩气层，厚度为17.9 m，其余为三类页岩气层，厚度为41.7 m。

将焦石坝区块的模型直接在丁山区块应用效果差（表 1）。

表1 焦石坝页岩气测井评价方法在丁山区块重点井应用效果分析Table1 Application effect of logging evaluation method of Jiaoshiba shalegasin key wellsin Dingshan block

利用上述提出的模型应用效果明显更好，如表2所列，TOC含量相对误差为 0.06%～6.87%，相关系数为0.844～0.965；孔隙度相对误差为2.76%～6.53%，相关系数为0.789～0.901；含水饱和度相对误差为1.00%～6.06%，相关系数为0.847～0.913；矿物含量相对误差为0.52%～7.45%，相关系数为0.719～0.891，从对所有井的评价结果来看，该评价方法取得了较好的效果，精度有明显的提高。

表2 丁山区块重点井测井计算精度分析Table 2 Logging calculation accuracy of key wells in Dingshan block

以丁页A井为例，水平井井眼轨迹在优质储层段中穿行，对应导眼井测井解释TOC质量分数大于2%的储层段3 703～3 730 m，水平段长近1.2 km，分17段射孔，加砂压裂，利用16 mm油嘴，26 mm孔板求产，获日产气20.56万m3的工业气流。实际效果表明该测井评价方法的计算精度较高，对于各储层参数的评价精度高，能较好地评价丁山区块页岩气储层，支撑压裂试气。

3 结论

（1）四川盆地丁山区块五峰组—龙马溪组页岩储层与焦石坝储层具有明显的差异：①测井响应与储层参数的相关性较差；②龙一段二亚段—龙一段三亚段与五峰组—龙一段一亚段测井响应特征差异大，这与丁山区块复杂的垂向应力变化机制有关。

（2）基于页岩气储层测井响应特征研究，确定了密度曲线等是受到扩径影响较大的曲线，并提出了以能谱铀曲线为主导的丁山区块页岩气储层评价方法体系，提出针对四川盆地丁山区块页岩气储层各个储层参数的测井评价方法，包括形成铀含量乘幂模型计算TOC含量，声波时差-铀含量的二元多项式模型计算孔隙度，黏土视骨架密度模型计算矿物含量，铀含量的二次方多项式法计算含水饱和度。

（3）四川盆地丁山区块五峰组—龙马溪组页岩气测井评价技术能较好地满足页岩气储层参数计算的需要，相较于原模型计算参数的精度，有了大幅度的提高，尤其对于重点层段五峰组—龙一段一亚段，计算准确度有了较大改善，其结果支撑了页岩气压裂试气，该套模型更适用于利用丁山区块的扩径严重的储层。