薄互层型低阶煤储层测井综合解释及应用
——以澳大利亚S区块煤储层为例

付诗雯，谭成仟，张铭，张奔

（1.西安石油大学 地球科学与工程学院，陕西 西安 710065；2.中国石油勘探开发研究院，北京 100083）

0 引言

低阶煤形成于煤化作用初期，在全球范围广泛分布，具有重要的研究意义。煤层气以吸附性为主的特性决定了其与常规储层的在测井解释方面的差异性（郑庆林等，2012）。煤储层综合解释的目的是通过测井数据的处理与分析表征煤层及煤储层参数空间分布。前人针对含气量的研究采用BP神经网络预测法（潘和平和刘国强，1997）、回归吸附法、等温吸附模拟法（仲米虹，2017）等；对灰分的计算采用回归方程分析法（吴拓，2010）、模拟测井资料解释煤层灰分（陈继亮，1990）等。随着煤储层及其参数解释精度要求提高，表征指数数量增多，基于煤矿开发建立的解释系统和方法已无法满足研究的需求（梁明星和孙文杰，2013），需要进一步提高煤层识别以及煤储层参数精度，从而更加准确地反映煤储层及其参数的三维空间分布特征。

S区块位于澳大利亚博文-苏拉特盆地东南部，所处位置如图1红色方框所示（26°～28°S,149°～151°E）。由于煤层中干基灰分含量主要集中在10%～30%，平均值为18.47%，因此该矿煤炭属中品位煤。S区块落实煤矿地质资源量0.57×108t。该区广泛发育薄互层型低阶煤，本文基于常规测井、成像测井数据及岩心数据确定煤层识别标准，利用测井数据与岩心数据的敏感性分析结果建立煤储层参数表征模型，并利用灰分解释结果划分煤层煤阶，实现S区块煤储层综合测井解释，为研究同类型的煤储层提供参考依据，为煤层气勘探、工程建设等项目提供理论基础（文俊等，2019）。

1 地质概况

博文-苏拉特盆地位于澳大利亚中东部地区，S区块位于该叠合盆地东南部，发育东部斜坡带、中央坳陷带和西部斜坡带3大构造单元（唐颖等，2017），并伴有少量凹陷和断层，面积约22000 km²（图1）。

图1 澳大利亚S区块区域构造简图（据唐颖等，2017修改）

S区块目的煤层位于中侏罗统Injune Creek群Walloon亚群地层中，含煤地层主要由炭质泥岩、砂岩、粉砂岩和煤层组成，不同岩性呈薄互层状相互交互沉积，煤岩广泛发育其间（李乐忠，2016；秦勇等，2019）。目的煤层自上而下分为Juandah和Taroom两套煤层组，埋深跨度0～600 m，其中Juandah分为4个大层组，Taroom分为2个大层组，125个单煤层，单煤层平均厚度0.29 m。单煤层数量多，连续性较差，厚度与层数变化较大，煤层分叉、尖灭、合并的现象较为严重，这无疑为后续研究增加了难度。

2 测井综合解释

煤储层以吸附气为主的特性决定了测井解释方法与解释参数的特殊性。与常规储层相比，煤层识别及储层参数表征是煤储层测井解释的重点，本文就这两方面展开对薄互层型低阶煤储层的测井解释。

2.1 煤储层综合识别

随着煤层气勘探开发研究不断深入，所面临的煤储层愈加复杂，如何准确高效识别煤层是目前煤层气研究难点。A1井煤储层所对应的常规测井曲线如图2所示，曲线特征符合煤储层测井响应特征“三高三低”特点，但显然依靠常规测井曲线并不能准确识别煤层厚度小于0.5 m的单煤层，S区块薄互层型低阶煤层气受其岩性、沉积环境、机械易碎性等影响，普遍存在煤层层数多，煤层厚度薄、与碎屑岩频繁交错沉积的特点，极大增加了S区块的煤层识别难度。

图2 A1井煤层测井响应特征图

由测井曲线敏感性分析的可行性得知，在煤储层众多常规测井曲线中，密度曲线分辨率最高，能够有效反映煤层，因此可通过设置起始值，步长以及截止值确定不同的测井密度对应的煤层厚度，与煤层实际厚度对比，以二者之间相对误差最小的密度值作为煤层识别的最佳常规测井曲线解释标准值，结合自然伽马等其他测井曲线特征识别煤储层。在煤层的实际厚度的计算中，主要来自于根据岩心资料所统计出的煤层厚度。在没有连续取心数据的井中，依靠成像测井解释的煤层厚度作为煤层的实际厚度，同样将其与不同密度测井值所对应的煤层厚度误差最小值作为最优解释值用以识别煤层。通过对S区块30口井测井解释煤厚与真实煤厚的对比，确定S区块煤层最佳解释值为1.74 g/cm3，即密度测井值小于1.74 g/cm3为煤，该值能够实现S区块煤层的有效识别。以这种常规测井数据结合岩心分析数据与成像测井数据的方法识别煤层，识别效果准确性高，成本也有所减少，经济可行（淮银超等，2016）。

2.2 煤储层参数综合测井解释

储层参数测井解释是煤储层综合解释中的关键环节也是最终落脚点，煤储层测井资料不仅能够反映储层物理特征，还可以通过分析不同测井参数对岩心参数发生变化时的反应程度间接得到储层各项物性参数，本次研究基于岩心分析的储层参数与测井数据之间的相关性，通过测井数据对岩心数据的敏感性分析结果建立S区块的含气量及灰分的参数解释模型，并应用灰分解释模型划分S区块低阶煤的煤阶，实现煤储层参数综合解释。

2.2.1 含气量

含气量决定着煤层气开发效率、资源量以及资源潜力（李文桃，2018）。本文利用常规测井数据连续性强、岩心分析含气量数据准确性高的特点，通过建立岩心分析含气量与测井资料之间的相关性优选相关性较好的测井资料，根据这些测井资料对含气量变化的敏感程度来建立煤层含气量表征模型，实现煤层气储层含气量的计算。基于前人研究成果以及煤层气储层参数的测井解释精度需求，本文选择煤层埋深、密度、自然伽马、中子孔隙度与岩心分析含气量开展相关性分析（图3）。图3表明，随着地层深度增加，一方面地层压力增加，含气量随之升高；另一方面地层温度升高，不利于甲烷的吸附，在双重作用下煤层含气量呈现前期快、后期慢的非线性增长。而煤层中的含气量增长意味着煤岩密度降低，故两者呈负线性相关。煤岩中黏土矿物增加降低了煤岩对甲烷的吸附效应，因此含气量与自然伽玛呈现负的相关性。此外煤岩孔隙度较高，但过高的孔隙度使得煤层气吸附量减少，因此含气量随中子孔隙度的增加而减小（淮银超等，2018）。

图3 含气量与测井参数的相关性分析

由图3可见S区块含气量与上述四个测井参数之间的相关性较好（R>0.6），因此可利用测井数据与含气量之间的相关性开展不同测井数据对含气量的影响程度分析，建立含气量参数解释模型，表达式为：

式（1）中：k1为综合影响因子，无量纲；DEP为煤层埋藏深度，m；DEN为密度测井值，g/cm³；GR为伽马测井值，API；NPHI为中子孔隙度，%。a、b、c、d分别为四个测井资料对应的敏感系数。

敏感系数由敏感性分析结果决定，要确定某一测井资料对含气量的敏感程度，要求在其余测井资料不变的条件下分析由确定测井数据的变化引起含气量相对变化值，此相对变化值即可作为该测井资料敏感性分析结果。根据含气量与测井数据之间相关性分析结果（图3）开展测井资料与岩心含气量之间的敏感性分析。结果显示，如果将中子孔隙度敏感系数设置为1，则密度测井的敏感系数为1.13，埋藏深度的敏感系数为1.83，自然伽马的敏感系数为2.79。即综合影响因子表达式变为：

以k1为自变量，含气量为因变量，分析两者的相关性，建立的含气量预测模型如下（淮银超等，2017）：

式（3）中GC为含气量，m3/t。

由图4可见，由敏感性分析所得的综合影响参数与岩心含气量之间的拟合程度较好。这种预测模型适用于井眼环境较好的地层，然而煤储层本身的机械易碎性使得钻井过程中井眼垮塌现象时有发生。由于密度测井仪需贴壁测量地层密度，扩径现象严重的井段对密度测井值影响较大，使得密度测井曲线可能发生不同程度的畸变而不能如实反映地层密度，导致上述模型预测精度较低。其他类型测井资料也会收到扩径影响但变化范围较小。因此在这种情况下（井径>60 mm）不再使用密度测井值作为预测含气量的有效参数，则综合影响因子表达式变为：

图4 综合影响因子与含气量相关性分析（好井眼）

以k1为自变量，含气量为因变量，分析两者的相关性，建立的含气量预测模型如下：

由图5可见，扩径条件下模型的解释精度有所下降，但其拟合程度仍然较好，可以实现对于S区块煤储层含气量的有效预测。

图5 综合影响因子与含气量相关性分析（坏井眼）

2.2.2 灰分

灰分是煤中有机质及矿物质在一定条件下经过分解、化合等复杂反应而形成的，是煤中矿物质的不可燃烧组分（李焕同等，2017；韩泽伟和韩卓鹏，2020）。灰分决定着煤燃烧值以及含气量，是煤储层关键参数（李剑浩等，2005）。主要成分为黏土矿物，呈现高自然伽马测井值特性（于振峰等，2019）。一方面矿物质密度一般情况下高于煤岩密度，因此灰分含量越高，密度测井值越高；另一方面灰分会影响煤岩导电性，灰分含量的增加会使得电阻率减少（孟召平等，2011）。根据上述的测井数据与灰分的岩心分析成果相关性分析基础上优选煤层埋深、密度、自然伽马以及深侧向电阻变化变化率作为基础参数，开展测井数据与灰分之间相关性分析（图6）。灰分随自然伽马测井值的增加而增加，呈线性正相关；密度与灰分之间也表现出良好的正相关性，灰分含量随密度测井值的增加而增加。灰分与埋深相关性较小，随埋深增加，灰分变化并不明显；随电阻率变化率的增加，灰分逐渐减小。

图6 灰分与测井资料相关性分析图

由图6可见，S区块含气灰分与密度、自然伽马测井值以及深侧向电阻率变化率的相关性较好，可选择这三种测井资料作为基础参数，结合其测井响应对于灰分的敏感程度，构建灰分参数解释模型。综合影响因子表达式为：

式（6）中：k2为综合影响因子，无量纲；DEN为密度测井值，g/cm³；GR为自然伽马测井值，API；LLD为深侧向电阻率变化率，%。e、f、g分别为三个测井资料对应的敏感系数。

采用与含气量分析同样的方法开展灰分与测井数据的敏感性分析，根据该分析结果添加密度测井数据、伽马测井数据及深侧向电阻率变化率的敏感系数，敏感性分析结果表明若将深侧向电阻率变化率的敏感系数设置为1，则自然伽马测井敏感系数为1.68，则密度测井的敏感系数为2.36，即综合影响参数表达式变为：

以该参数为自变量，灰分为因变量，分析两者的相关性，建立的灰分预测模型如下（图7；淮银超等，2017）：

图7 综合影响因子与灰分相关性分析（好井眼）

式（8）中ASH为灰分，%。同样地，去除在扩径条件下密度测井值对灰分预测值的影响，将综合影响参数的表达式改为：

以该参数为自变量，灰分为因变量，分析两者之间的相关性，建立的灰分预测模型为（图8）：

图8 综合影响因子与灰分相关性分析（坏井眼）

煤变质程度与温度、压力及发育时间长短有关。研究煤的变质程度可为有效找矿提供有利依据（唐红松和王滋平，2005）。S区块煤岩变质程度较低，为褐煤-长焰煤。煤的工业组分分析结果表明，煤中固定碳含量越多，灰分含量越少。固定碳含量随煤阶升高而增大，因此灰分含量随煤阶升高而减少。由取心资料可得该区块灰分大于18%的煤为褐煤，小于18%的煤为长焰煤。可利用前文得到的灰分表征模型划分出A1#、A3#低阶煤储层煤阶（图9～10）。

3 应用效果分析

本次S区块内共有各种类型的煤层气开发井30口，共完成30口井的储层参数综合测井解释。图9为A1井（井径<60 mm）的含气量及灰分的计算成果图，图10为A3井（井径>60 mm）的含气量及灰分的计算成果图。图中蓝色圆点标识代表各参数取心数据，可见含气量与灰分的计算结果与岩心分析结果的拟合程度较好。表1为A1井、A2井、A3井与A4井的含气量与灰分测井解释值与岩心实测值的对比表。经计算可得，含气量的平均相对误差为7.97%，灰分的平均相对误差是8.61%。测井解释结果精度较高，可利用该参数模型进行参数的批量计算，并能根据灰分解释结果有效识别S区块低阶煤的变质程度。

表1 A1、A2、A3、A4井含气量与灰分测井解释值与实测值对比分析表

图9 A1井含气量、灰分测井解释成果图

图10 A3井含气量、灰分测井解释成果图

4 结论

（1）S区块的薄互层型低阶煤储层成因复杂，非均质性强，薄层识别困难，利用煤储层的各类测井资料响应特征结合岩心分析结果确定了整个区块的最佳测井密度解释值，实现了煤储层的有效识别。

（2）利用测井数据建立的储层参数解释模型，充分考虑了各个测井资料对于储层参数的影响程度。这种测井解释模型准确度高，连续性强，为预测及评价储层参数，提高煤层气开发效率提供新思路。利用灰分大小识别该区低阶煤煤阶，有利于深入研究不同变质程度下储层参数的变化特征，有效指导煤层气勘探开发。

（3）对于扩径井段，测井解释模型的准确性明显下降，不仅是因为剔除了密度测井的影响，忽略扩径对其他测井资料的影响也是导致精度下降的重要原因。因此对于坏井眼的参数模型解释方法还有待改进。