2019,
Vol. 43
2. 中国石油大学华东石油工程学院, 山东青岛 266580
2. School of Petroleum Engineering in China University of PetroleumEast China, Qingdao 266580, China
近年来, 中国致密油勘探开发取得重要进展, 在鄂尔多斯盆地、松辽盆地、准噶尔盆地等发现致密油规模储量区, 地质资源量约为125.80×108 t, 可采资源量约为13.34×108 t[1-4]。储层含油饱和度增加是石油在储层中不断聚集的结果, 致密储层特有的孔隙结构特征必然导致石油的聚集过程与常规油藏存在明显不同[5]。前人研究表明致密储层孔隙结构十分复杂[6], 储层含油饱和度在垂向上频繁变化, 导致致密油聚集机制研究具有较大难度[7-8]。目前致密油聚集机制研究偏少, 多集中于静态现象描述, 缺乏动态过程研究[9-10]。致密油的聚集过程可通过物理模拟实验来获取, 考虑实验成本和实验时间, 仅能选取典型且有限数量的样品开展实验。由于样品物性和实验条件差异, 储层饱和度和驱替顺序可能有多种组合, 物理模拟很难全面展示致密油聚集过程。孔隙网络模型模拟流体驱替过程是研究孔隙尺度多相流体流动特征的常用方法[11-12], 数值模拟可用来弥补物理模拟的缺憾。笔者利用致密油聚集物理模拟实验记录不同物性岩心样品在不同充注压力下含油饱和度的变化情况, 总结含油饱和度增长特征, 并结合数值模拟, 揭示充注压力、物性和孔隙结构等对致密油聚集过程和聚集效果的影响, 以期对致密油“甜点”预测提供理论指导。
1 区域地质概况准噶尔盆地位于哈萨克斯坦板块上, 为中亚造山带的重要组成部分[13], 是中国西部大型含油气盆地。准噶尔盆地由3个隆起、2个坳陷及南部北天山山前冲断带组成[14], 吉木萨尔凹陷位于东部隆起西南缘, 面积约为1300 km2。凹陷南北西三面边界均为断裂, 东边沉积地层逐渐尖灭于古西凸起(图 1)。凹陷受周边边界断裂和石炭系基底构造格局控制, 为一西断东超的箕状凹陷, 并可划分为3个次级构造单元, 分别为西部深洼带、中部超覆带和东部削蚀带, 超覆带和削蚀带又被统称为东斜坡[15]。
|
图 1 吉木萨尔凹陷区域位置 Fig.1 Location of Jimsar Sag |
中二叠统芦草沟组是研究目的层, 芦草沟组是一套细粒混合沉积岩[16], 岩石组分多样, 包括陆源碎屑、火山物质和盆内碳酸盐组分, 岩石类型复杂, 主要包括泥岩、粉砂岩、白云岩和火山碎屑岩。烃源岩有机质丰度高、有机质类型好且已达到生油窗, 在整个凹陷内均有分布[17]。储集层主要分布于芦草沟组一段二层组(P2l12)和二段二层组(P2l22)的“甜点段”(图 1), 属于典型致密储层[18]。油源对比确定致密油来自紧邻致密储层的烃源岩, 烃源岩与储集层紧密接触, 这种配置组合对致密油聚集十分有利[9]。
2 实验样品与方法 2.1 实验样品实验样品共计13个, 分别取自5口井的芦草沟组上下“甜点段”, 其岩性分别为粉砂岩、云质粉砂岩、泥质粉砂岩、灰质粉砂岩和凝灰质粉砂岩, 孔隙度分布在1.99%~ 16.17%, 渗透率分布在(0.25~446.09)×10-6 μm2, 属于典型的致密储层(表 1)。
|
表 1 芦草沟组岩心样品物性参数 Table 1 Physical property of core samples from Lucaogou Formation |
实验设备主要由恒压恒速泵、中间容器、岩心夹持器、围压环压系统、流体计量系统和数据采集与处理系统, 恒压恒速泵通过向中间容器注水来控制流体注入的压力或者流速, 围压环压系统对岩心夹持器加围压, 防止流体从岩心与夹持器间通过, 充注过程中流体变化量由流体计量系统和数据采集与处理系统自动采集(图 2)。
|
图 2 致密油聚集物理模拟实验装置示意图 Fig.2 Schematic diagram of tight oil accumulation physical simulation experiment apparatus |
根据芦草沟组地层水和油层原油性质, 配置矿化度为12 g/L的实验用水和黏度为8.5 mPa·s(20 ℃)的实验用油, 实验温度为常温, 最大充注压力为25 MPa, 净围压始终为3 MPa。
首先对岩心进行洗油预处理, 测定气体孔隙度和渗透率, 真空高压饱和盐水72 h, 记录岩心湿重。将岩心放置于岩心夹持器中, 未施加围压, 以极小流速将盐水注入, 至出口端出水速率恒定, 将管线及岩心夹持器中的空气排出。设定4 MPa围压, 以恒定压力(1 MPa)注入实验用油, 出口端流速趋于稳定值时, 认为在该压力下岩心中流体流动趋于稳态, 保存实验测试数据。分别将注入压力设定为2、5、10、15、20和25 MPa, 设定围压始终大于注入压力3 MPa, 按照上述方法进行操作并记录相应测试数据, 分别保存数据, 停止实验。
2.3 孔隙特征表征方法孔隙结构表征方法主要分为图像分析法和数据分析法, 但每一类方法均不能全面有效地表征孔隙特征。由于光学显微镜分辨率较低(30 μm), 铸体薄片主要被用来分析实验样品的岩性和孔隙类型特征; 高压压汞法可测定连通孔喉的大小分布, 但未能反映不连通孔喉结构特征, 最大进汞压力为200 MPa, 可识别半径大于3.7 nm的孔喉; 而微米CT分辨率较高(约0.75 μm), 通过数字岩心处理可获取孔隙大小、分布及连通性信息。因孔隙结构表征是开展数值模拟实验的基础, 本文中利用上述3种方法对所有样品的孔隙特征进行了分析。
2.4 数值模拟实验方法孔隙网络模型(PNM)具有较高的计算效率, 可保留较完整的孔隙结构信息, 能很好地评估流体相对渗透率、毛细管力及其他物性特征[19]。受微米CT扫描分辨率影响, 仅能获取微米级尺度的孔隙结构信息, 不能准确表征喉道半径分布特征, 高压压汞能够提供岩心样品中相互连通的孔喉结构信息, 两种方法手段相结合, 能较为完整地描述孔隙和喉道分布特征[20]。因此基于数字岩心和压汞实验提取的孔喉结构特征, 随机构建孔隙网络模型。在构建孔隙网络模型时, 假定孔隙和喉道横切面形状为圆形、正方形或三角形, 棱角状边角可明确表征润湿层, 保证油水两相同时通过一个喉道。孔喉结构参数(如喉道半径、喉道长度、孔喉比及形状因子等)分布服从截断威布尔分布, 计算公式为
| $ \begin{array}{l} {S_{\rm{t}}} = \left( {{S_{\max }} - {S_{\min }}} \right){\left[ { - \delta \ln \left( {\chi \left( {1 - {{\rm{e}}^{ - 1/\delta }}} \right) + {{\rm{e}}^{ - 1/\delta }}} \right)} \right]^{1/\gamma }} + \\ {S_{\min }} \cdots \cdots . \end{array} $ | (1) |
式中, χ为0~1的随机数; Smax和Smin分别为孔喉结构参数的最大值和最小值; δ和γ分别为分布函数的形状参数和位置参数。
致密储层孔隙介质中流体流动主要受控于毛细管力, 研究中采用准静态模型开展数值模拟。流体流动服从Poiseuille流动方程, 即孔隙介质中流体流速与压力梯度呈线性关系。根据孔隙和喉道形状确定流体传导率g, 通过相关公式计算流体流速和孔隙压力等参数, 获取单相流体的绝对渗透率和多相流体的相对渗透率[21]。以毛细管压力为横坐标、含油饱和度为纵坐标作图, 分析含油饱和度变化特征, 利用相渗曲线研究流体渗流特征, 并通过改变孔隙结构参数构建不同孔隙网络模型, 进一步阐明致密油聚集过程的主控因素。
3 实验结果 3.1 物理模拟实验结果根据含油饱和度增长速度和最终含油饱和度特征, 将致密储层含油饱和度增长模式划分为3种。在第一种模式(Ⅰ型)中, 充注压力作用下储层含油饱和度持续缓慢增长, 含油饱和度约增加至20%达到稳定阶段。在第二种模式(Ⅱ型)中, 低充注压力作用下储层含油饱和度以相对较大幅度的增长, 含油饱和度可增加至10%~15%, 随后含油饱和度增长速度减小, 含油饱和度增长至25%~30%时到达稳定阶段。在第三种模式(Ⅲ型)中, 较低充注压力条件下含油饱和度大幅度增长, 含油饱和度可至30%, 充注压力增大, 含油饱和度增长速度逐渐减小, 直至稳定阶段, 最终含油饱和度多分布在40%~55%(图 3)。芦草沟组致密储层普遍含油, 含油级别从荧光到富含油不等, 含油饱和度介于2.5%~90%, 一般小于70%。根据物理模拟实验结果, 芦草沟组储层样品的最终含油饱和度分布在15%~52%(图 3), 实验结果与实际含油饱和度基本一致。
|
图 3 致密储层含油饱和度增长模式 Fig.3 Growth pattern of oil saturation of tight reservoirs |
基于微米CT和高压压汞获取的孔隙结构参数, 随机构建表征体元的孔隙网络模型, 通过对比表征体元与岩心样品的孔隙度和渗透率, 验证孔隙网络模型的有效性。由表 2可知, 预测孔隙度和渗透率与实验室实测值吻合较好, 孔隙网络模型可用来模拟致密储层中流体的流动规律[21-22]。
|
|
表 2 典型样品实测物性参数与孔隙网络模型预测值 Table 2 Measured physical property of samples and calculated values of pore network models |
在准静态条件下, 流体进入储层孔隙网络的流速十分缓慢, 外界充注压力与最大毛管压力相等, 因此可利用含油饱和度与毛管压力关系划分含油饱和度增长模式。根据数值模拟实验结果, 含油饱和度增长模式可分为3种, 第一种模式(以样品1-A-1为例)的含油饱和度增长较为缓慢, 石油若要发生流动, 需要克服较大的储层排驱压力; 石油进入孔隙网络后, 含油饱和度增长速度有所增大, 但在达到最终含油饱和度前, 其增长速度随充注压力的增大而减小。第二种模式(以样品2-B-1为例)的排驱压力相对较小, 在突破排驱压力后, 含油饱和度进入快速增长阶段, 随后增长速度逐渐减小, 直至最终含油饱和度。第三种模式(以样品1-C-1为例)的排驱压力最低, 几乎不发育缓慢增长阶段, 含油饱和度增长速度最大, 在很低的充注压力条件下即可达到稳定阶段(图 4(a))。
|
图 4 典型样品的含油饱和度增长特征及渗流特征 Fig.4 Growth pattern of oil saturation and flowing characteristics of typical samples |
数值模拟结果与物理模拟结果具有较好的一致性, 但数值模拟获取的最终含油饱和度相对较大, 这是由于天然储层孔隙结构更复杂, 数值模拟不仅需要尽可能地还原储层孔隙结构特征, 也要考虑计算过程的难易程度和时间长短等因素。因此, 数值模拟简化了孔隙几何形状、黏土矿物含量对孔隙大小、分布、连通性及孔隙介质中流体流动过程的影响[23]。
3.2.3 油水相对渗透率预测数值模拟时设定油水界面张力为30.0 mN/m, 水和油的黏度分别为1.0和8.5 mPa·s, 模型中认为孔隙强亲水, 接触角θr为0°。最初孔隙网络饱含水, 设定水相相对渗透率Krw和油相相对渗透率Kro分别为1和0, 油进入孔隙网络后, 含油饱和度增加、水相相对渗透率降低和油相相对渗透率增大, 直至石油相互连通, 其渗流阻力降低, 油相相对渗透率达到最大(图 4(b)、(d)和(f))。
由模拟结果可知, 芦草沟组储层束缚水饱和度分布在18.1%~43.5%, 油水相渗曲线交点含油饱和度介于30%~53%。整体上, 随含油饱和度的增加, 水相相对渗透率呈“陡坡式”下降, 油相相对渗透率小幅度增长(图 4(b)、(d)和(f))。根据侵入逾渗理论, 石油优先进入毛细管阻力较小的孔隙中, 由于含油饱和度较低, 石油在狭窄喉道处多被卡断, 呈不连续状分布, 石油流动受到较大的渗流阻力, 油相相对渗透率缓慢增加。孔隙中较分散的油珠逐渐发生汇聚, 油相相对渗透率增长速度变大, 但由于储层孔隙结构的复杂性, 油相相对渗透率一般小于0.2。地层水被驱替至小孔径孔喉中或滞留在较大孔隙的角隅处, 形成束缚水, 水相相对渗透率降低至最小值。不同孔隙网络模型的油水相渗曲线存在差异, 与前两类相比, Ⅲ型束缚水饱和度低, 在达到相同含油饱和度时, 水相相对渗透率明显较大, 油相相对渗透率则较小, 且两相共流区域变宽(图 4(b)~(g))。
4 致密油聚集过程影响因素 4.1 充注压力由于致密储层特殊的孔隙结构特征, 储层毛细管阻力较大, 只有外界充注压力足以克服储层启动压力后, 储层含油饱和度才会有明显变化[24]。由图 3可知:储层含油饱和度在较低充注压力条件下均明显增长, 表明该充注压力已克服储层启动压力, 驱使石油进入孔隙, 储层含油饱和度与充注压力呈正相关关系, 但由于致密储层孔隙中含有较高比重的束缚水, 含油饱和度存在上限值, 含油饱和度不再随充注压力增加而增大; 而且不同物性的岩心在相同充注压力条件下含油饱和度也不尽相同, 表明充注压力只是影响含油饱和度增长过程的因素之一。
4.2 孔隙结构多相流体在孔隙介质中流动时受多种因素影响, 如孔隙结构、固液间的表面作用以及流体自身的流变学性质等, 其中孔隙结构是影响流体流动能力的关键因素, 如孔喉半径、孔喉比和配位数[25]。
4.2.1 孔隙类型致密储层孔隙类型对烃类存储及储层渗流能力影响较大, 芦草沟组致密储层孔隙类型多样, 主要为次生溶孔、残余原生粒间孔及晶间孔, 微裂缝局部发育[18, 26-27]。
含油饱和度增长模式为Ⅰ型的致密储层孔隙不发育或局部区域孔隙发育, 微米CT二维切片面孔率分布在0.32%~4.91%, 平均面孔率为2.23%, 孔隙主要以残余原生粒间孔和晶间孔为主, 溶蚀孔次之。残余原生粒间孔中发育黏土、石英、白云石及方解石等自生矿物, 孔隙一般小于5 μm(图 5(a)、(b))。晶间孔多发育在白云石颗粒间, 孔隙半径较小, 主要为纳米级孔隙, 孔隙分布较为均质。溶蚀孔主要与白云石晶体及颗粒间胶结物有关, 前者主要发育在白云石内部, 溶蚀作用弱; 后者常发育在胶结物边部, 对储层渗流能力有一定改善。整体上, 该类致密储层孔隙较小, 不利于石油的充注。
|
图 5 致密储层孔隙结构特征 Fig.5 Pore structure characteristics of tight reservoirs |
含油饱和度增长模式为Ⅱ型的致密储层孔隙较为发育, 微米CT二维切片面孔率分布在1.24%~11.14%, 平均面孔率为5.13%, 孔隙以溶蚀孔和残余原生粒间孔为主。溶蚀孔以粒间溶孔为主, 主要与岩屑、长石及方解石溶蚀有关, 孔隙边界呈港湾状或锯齿状, 最大孔隙半径约为20 μm(图 5(d)、(e))。致密储层的孔隙半径分布不一, 且孔隙空间分布非均质性较强, 与Ⅰ型致密储层相比, 该类致密储层孔隙较发育, 且溶蚀孔在一定程度上改善了孔隙连通性, 但储层中亚微米级与纳米级孔隙相对发育, 导致含油饱和度增长速度在充填大孔隙后降低。
含油饱和度增长模式为Ⅲ型的致密储层孔隙发育, 微米CT二维切片面孔率分布在2.13%~16.34%, 平均面孔率为8.62%, 孔隙以粒间溶孔为主, 残余原生孔隙次之, 溶蚀孔主要与凝灰物质溶蚀有关, 溶蚀孔最大半径可达150 μm(图 5 (g)、(h))。与Ⅱ型致密储层相比, 储层中微米级孔隙更发育, 储层含油饱和度可在较小充注压力条件下迅速增大, 随着充注压力增大, 石油逐渐进入小孔隙, 含油饱和度缓慢持续增大。通过对比可知, 致密储层溶蚀孔隙发育程度对石油的聚集过程有十分重要的影响。
4.2.2 孔喉半径对上述实验样品开展微米CT高分辨率扫描和高压压汞实验, 微米CT主要用来表征孔隙半径分布, 高压压汞主要用来反映孔喉半径分布, 致密储层主体孔喉分布决定储集能力和渗流能力。
微米CT孔隙网络模型能够较为真实地反映储层孔隙的拓扑结构, 获取孔喉半径、孔隙体积、配位数等孔隙结构参数。由图 6可知, 岩心中微米级孔隙半径分布存在较大差异, 差异性主要体现在半径较大孔隙对孔隙总体积的贡献度。储层孔隙半径分布呈单峰式, 主要分布在0.5~5 μm, Ⅰ型致密储层中不同半径的孔隙对总体积贡献较为平均, 随着孔隙半径的增大, 体积贡献度呈缓慢减小的趋势; Ⅱ型和Ⅲ型致密储层中半径大于10 μm的孔隙对总体积的贡献度明显增加, 尤其是Ⅲ型致密储层中半径大于10 μm的孔隙体积贡献度最高可达93%。这表明致密储层孔喉半径越大, 且对储集空间的贡献度越大, 越有利于石油的聚集。
|
图 6 致密储层孔隙半径分布及压汞曲线特征 Fig.6 Pore size distribution and mercury injection curves of tight reservoirs |
根据压汞曲线形态及孔喉半径分布, Ⅰ型致密储层压汞曲线多对应于细态型, Ⅱ型致密储层多对应于偏细态型, Ⅲ型致密储层对应于粗态型(图 6)。Ⅰ型致密储层排驱压力高, 曲线中间没有明显平台段, 最大进汞饱和度小于50%, 分选系数大, 反映孔喉分布分散, 较大孔喉对储层渗流能力有较大贡献(图 6(b))。Ⅱ型致密储层具有中等—较低排驱压力, 毛管压力曲线在压力较低时具有较低斜率, 最大进汞饱和度分布在70%~85%, 分选系数中等, 孔喉分布较为集中(图 6(d))。Ⅲ型致密储层毛管压力曲线偏向图的左下方, 虽然曲线中间平台段不明显, 但曲线坡度很小, 最大进汞饱和度可达到95%, 分选系数小, 表现为孔大喉粗的特点, 是储集性能和渗流能力最好的一类储层(图 6 (f))。对比3类致密储层的孔喉结构特征, Ⅲ型致密储层具有最优孔隙结构, 排驱压力相对较低, 毛管压力曲线表现为偏粗—粗歪度特点, 储层渗流能力较强。
为了更深入地研究孔喉对致密油聚集过程的影响, 本文中采用单一因素分析法开展数值模拟, 分析孔喉半径和孔喉比的影响作用。构建孔隙网络模型时, 设定喉道半径最大值分别为2.0、2.5和3.0 μm, 喉道半径最小值、γ、δ以及其他孔隙结构参数保持不变。结果表明, 最大喉道半径增大导致孔隙网络模型孔隙度和渗透率同时增大, 喉道半径增大不仅影响孔隙体积, 对流体传导能力也有较大影响。模拟孔隙度分别为7.89%、11.12%和16.27%, 渗透率分别为5.48×10-8、8.98×10-8和1.10×10-7 μm2, 模拟结果与芦草沟组储层物性分布具有很好的一致性, 孔隙网络模型具有较好的代表性。
喉道半径增大导致含油饱和度增长曲线向压力减小的方向移动, 即在相同压力条件下, 喉道半径大的孔隙网络模型含油饱和度较高(图 7(a))。最大喉道半径由2.0 μm增加到3.0 μm, 水相相对渗透率依次减小, 且减小幅度增大, 油相相对渗透率以较低幅度增大(图 7(a)), 表明喉道半径增大导致水相相对渗流能力降低, 油相相对渗流能力增强。油相有效渗透率计算结果也表明孔喉半径增大导致油相有效渗透率增大, 石油通过多孔介质的能力增强, 有利于石油的运移和聚集。
|
图 7 孔隙网络模型模拟结果 Fig.7 Simulation results of pore network models |
孔喉比是表征孔隙和喉道相对大小的特征参数, 孔喉比越小, 孔隙和喉道大小分布越均一。构建孔隙网络模型时, 设定最大孔喉比分别为20、30和40, 最小孔喉比分别为2.0、3.0和4.0, 保持其他参数不变。模拟孔隙度分别为4.91%、11.45%和18.33%, 但绝对渗透率较为接近, 为(6.89± 0.71)×10-8 μm2, 表明孔喉比变化对孔隙体积影响较大, 对单相流体的传导能力影响不明显。
模拟结果表明孔喉比变化对致密储层含油饱和度增长影响很小, 孔喉比增大时, 水相相对渗透率减小, 油相相对渗透率变化不明显, 油相有效渗透率也无明显变化(图 7(b))。这是因为孔隙网络模型喉道半径分布一定, 增大孔喉比意味着孔隙半径的增大, 渗透率相近表明喉道是控制流体渗流的主要因素。对于致密储层而言, 大孔喉比是其典型特征之一, 也是导致储层具有复杂渗流规律的因素之一。孔喉比影响石油在孔隙介质中的运移方式, 孔喉比越大, 石油在突破狭窄喉道时越容易发生卡断, 石油呈孤立状分布, 难以形成连续相, 不能有效地增大油相相对渗流能力, 不利于石油的运聚[12]。
4.2.3 孔隙连通性孔隙网络连通性是评价储层渗流能力强弱的有效参数, 微米CT孔隙网络可直观呈现孔隙三维空间分布, 并对孔喉连通性进行定量评价[6]。
由图 5可知, Ⅰ型致密储层的孔喉连通性差, 孔隙主要呈孤立状分布, 孔喉配位数小于4, 孔隙网络以纳米级喉道为主(图 5(c))。Ⅱ型致密储层的孔喉连通性较好, 孔隙呈孤立状和连片状分布, 储层局部发育微米级喉道, 配位数最大可达12, 孔隙网络较为复杂(图 5(f))。Ⅲ型致密储层的孔喉连通性最好, 连片状孔隙发育, 孔隙连通率可超过70%, 微米级喉道发育, 配位数主要分布在1~6, 最大配位数可达20, 平均值为3.0(图 5(i))。整体而言, Ⅰ型致密储层由于孔喉细小且分布较为分散, 孔隙网络连通性差, 在外界充注压力驱使下, 石油较为缓慢地进入孔隙, 储层含油饱和度增幅相对较小; Ⅱ型致密储层孔喉连通性得到改善, 孔喉分布相对较为集中, 在充注起始阶段, 石油较为快速地充填连通大孔喉, 储层含油饱和度发生较大幅度增长, 但由于储层中纳米级孔隙较为发育, 导致含油饱和度缓慢到达稳定阶段; 而Ⅲ型致密储层孔隙半径大, 喉道粗, 且连通性好, 含油饱和度增长速度快, 最终含油饱和度高(图 3)。
此外, 本文中利用数值模拟研究了孔隙网络连通性对致密油聚集过程的影响, 在构建孔隙网络模型时, 设定平均配位数分别为2.2、2.6、3.0和3.9, 其他孔隙结构参数保持不变。模拟孔隙度变化较小, 分布在7.05%~7.89%, 而渗透率随配位数增大呈指数式增长, 分别为5.48×10-8、5.30×10-7、1.76×10-6和9.11×10-6 μm2, 配位数越大, 孔隙网络连通性越好, 单相流体流动较容易。根据模拟实验结果, 配位数改变导致含油饱和度增长过程发生较大变化, 配位数增大导致含油饱和度增长模式逐渐由Ⅰ型过渡到Ⅲ型(图 7(c)); 由于孔隙网络连通性变好, 水相相对渗透率增大, 油相相对渗透率呈减小的趋势, 两相共流区变大(图 7(c))。在水润湿孔隙介质中, 配位数增大导致孔喉系统连通性增强, 水相易形成连通网络, 流动能力相对增强, 而石油作为非润湿相, 其流动能力相对减弱。为了更加明确地阐明连通性对油相渗流能力的影响, 研究中计算了油相的有效渗透率。孔隙网络配位数由2.2增至3.9, 其绝对渗透率约增加166倍, 油相有效渗透率增加20~166倍(图 7(c))。孔隙网络连通性越好, 越有利于致密油的运移和聚集。同时, 通过对比芦草沟组致密储层配位数及含油饱和度与有效渗透率的关系可知, 孔隙网络配位数较小(2.1~2.2)时, 油相有效渗透率分布在1×10-9~5×10-8 μm2, 孔隙网络配位数增大(2.8~3.0), 油相有效渗透率分布在1×10-7~1×10-5 μm2, 油相有效渗透率约增加100~200倍(图 4 (b)~(d)), 表明孔隙网络配位数增大, 孔隙连接喉道数量增多, 石油易于发生运聚, 最终含油饱和度增大。
5 结论(1) 根据含油饱和度增长速度和最终含油饱和度将芦草沟组致密储层含油饱和度增长模式划分为3种, 数值模拟结果与物理模拟结果具有较好的一致性。在致密储层含油饱和度增长过程, 水相相对渗透率降低, 油相相对渗透率增大, 不同类型致密储层的油水相渗曲线存在差异。
(2) 致密储层含油饱和度增长特征及石油渗流特征主要受充注压力和孔隙结构的耦合控制, 充注压力是致密油发生运聚的必要条件, 在达到最终含油饱和度之前, 储层含油饱和度与充注压力呈正相关关系; 在持续充注压力作用下, 孔隙结构是控制致密储层聚集过程及渗流特征的主要因素。Ⅰ型致密储层孔隙不发育, 孔隙半径小, 主要呈孤立状分布, 排驱压力高, 孔隙连通性差, 差孔隙结构导致油相有效渗透率低, 储层含油饱和度增长缓慢, 最终含油饱和度低; Ⅱ型致密储层孔隙较发育, 孔隙呈孤立状和连片状分布, 孔隙连通性较好, 油相渗流能力增强, 储层含油饱和度中等; Ⅲ型致密储层孔隙发育, 以溶蚀孔为主, 孔隙连片状分布, 连通性最好, 储层含油饱和度增长速度快, 最终含油饱和度高, 最有利于石油的运聚。
| [1] |
邹才能, 杨智, 朱如凯, 等. 中国非常规油气勘探开发与理论技术进展[J]. 地质学报, 2015, 89(6): 979-1007. ZOU Caineng, YANG Zhi, ZHU Rukai, et al. Progress in China's unconventional oil & gas exploration and development and the oretical technologies[J]. Acta Geologica Sinica, 2015, 89(6): 979-1007. |
| [2] |
施立志, 王卓卓, 张革, 等. 松辽盆地齐家地区致密油形成条件与分布规律[J]. 石油勘探与开发, 2015, 42(1): 44-50. SHI Lizhi, WANG Zhuozhuo, ZHANG Ge, et al. Distribution and formation of tight oil in Qijia area, Songliao Basin, NE China[J]. Petroleum Exploration and Development, 2015, 42(1): 44-50. |
| [3] |
匡立春, 唐勇, 雷德文, 等. 准噶尔盆地二叠系咸化湖相云质岩致密油形成条件与勘探潜力[J]. 石油勘探与开发, 2012, 39(6): 657-667. KUANG Lichun, TANG Yong, LEI Dewen, et al. Formation conditions and exploration potential of tight oil in the Permian saline lacustrine dolomitic rock, Junggar Basin, NW China[J]. Petroleum Exploration and Development, 2012, 39(6): 657-667. |
| [4] |
任战利, 李文厚, 梁宇, 等. 鄂尔多斯盆地东南部延长组致密油成藏条件及主控因素[J]. 石油与天然气地质, 2014, 35(2): 190-198. REN Zhanli, LI Wenhou, LIANG Yu, et al. Tight oil reservoir formation conditions and main controlling factors of Yanchang Formation in southeastern Ordos Basin[J]. Oil & Gas Geology, 2014, 35(2): 190-198. |
| [5] |
郑民, 李建忠, 吴晓智, 等. 致密储集层原油充注物理模拟:以准噶尔盆地吉木萨尔凹陷二叠系芦草沟组为例[J]. 石油勘探与开发, 2016, 43(2): 219-227. ZHENG Min, LI Jianzhong, WU Xiaozhi, et al. Physical modeling of oil charging in tight reservoirs: a case study of Permian Lucaogou Formation in Jimsar Sag, Junggar Basin, NW China[J]. Petroleum Exploration and Development, 2016, 43(2): 219-227. |
| [6] |
李易霖, 张云峰, 尹淑丽, 等. 致密砂岩储集空间多尺度表征:以松辽盆地齐家地区高台子油层为例[J]. 石油与天然气地质, 2016, 37(6): 915-922. LI Yilin, ZHANG Yunfeng, YIN Shuli, et al. Characterization of the pore space in tight sandstone reservoirs from macroscopic and microscopic perspectives: a case study of Gaotaizi reservoir in Qijia area, the Songliao Basin[J]. Oil & Gas Geology, 2016, 37(6): 915-922. |
| [7] |
熊生春, 储莎莎, 皮淑慧, 等. 致密油藏储层微观孔隙特征与可动用性评价[J]. 地球科学, 2017, 42(8): 1379-1385. XIONG Shengchun, CHU Shasha, PI Shuhui, et al. Micro-pore characteristics and recoverability of tight oil reservoirs[J]. Earth Science, 2017, 42(8): 1379-1385. |
| [8] |
张金友. 陆相坳陷盆地烃源岩内致密砂岩储层含油性主控因素:以松辽盆地北部中央坳陷区齐家凹陷高台子油层为例[J]. 沉积学报, 2016, 34(5): 991-1002. ZHANG Jinyou. Main controlling factors of oilliness property of tight sandstone reservoir within source rock in continental depression basin: a case of Gaotaizi oil reservoir in Qijia Sag of central depression area in northern Songliao Basin[J]. Acta Sedimentologica Sinica, 2016, 34(5): 991-1002. |
| [9] |
邱振, 施振生, 董大忠, 等. 致密油源储特征与聚集机理:以准噶尔盆地吉木萨尔凹陷二叠系芦草沟组为例[J]. 石油勘探与开发, 2016, 43(6): 928-939. QIU Zhen, SHI Zhensheng, DONG Dazhong, et al. Geological charcteristics of source rock and reservoir of tight oil and its accumulation mechanism: a case study of Permian Lucaogou Formation in Jimusar Sag, Junggar Basin[J]. Petroleum Exploration and Development, 2016, 43(6): 928-939. |
| [10] |
郭迎春, 宋岩, 方欣欣, 等. 酒泉盆地青西凹陷下沟组混积层系致密油成藏机理与富集影响因素[J]. 石油与天然气地质, 2018, 39(4): 766-777. GUO Yingchun, SONG Yan, FANG Xinxin, et al. Tight oil accumulation mechanism and controlling factors for enrichment in mixed siliciclastic and carbonate sequences in Xiagou Formation of Qingxi Sag, Jiuquan Basin[J]. Oil & Gas Geology, 2018, 39(4): 766-777. |
| [11] |
盛军, 阳成, 徐立, 等. 数字岩心技术在致密储层微观渗流特征研究中的应用[J]. 西安石油大学学报(自然科学版), 2018, 33(5): 83-89. SHENG Jun, YANG Cheng, XU Li, et al. Application of digital core technology in the study of microscopic seepage characteristics of tight reservoirs[J]. Journal of Xi'an Shiyou University (Natural Science Edition), 2018, 33(5): 83-89. |
| [12] |
高慧梅, 姜汉桥, 陈民锋, 等. 储集层微观参数对油水相对渗透率影响的微观模拟研究[J]. 石油勘探与开发, 2006, 33(6): 734-737. GAO Huimei, JIANG Hanqiao, CHEN Minfeng, et al. Microscopic simulation of the effect of microscopic reservoir parameters on oil-water relative permeability[J]. Petroleum Exploration and Development, 2006, 33(6): 734-737. |
| [13] |
易泽军.准噶尔盆地东部二叠系地质结构及成因机制[D].北京: 中国地质大学(北京), 2018. YI Zejun. Permian geological architecture and formation mechanism of eastern Junggar Basin[D]. Beijing: China University of Geosciences (Beijing), 2018. http://cdmd.cnki.com.cn/Article/CDMD-11415-1018006468.htm |
| [14] |
杨海波, 陈磊, 孔玉华. 准噶尔盆地构造单元划分新方案[J]. 新疆石油地质, 2004, 25(6): 686-688. YANG Haibo, CHEN Lei, KONG Yuhua. A novel classification of structural units in Junggar Basin[J]. Xinjiang Petroleum Geology, 2004, 25(6): 686-688. |
| [15] |
方世虎, 徐怀民, 宋岩, 等. 准噶尔盆地东部吉木萨尔凹陷复合含油气系统特征及其演化[J]. 地球学报, 2005, 26(3): 259-264. FANG Shihu, XU Huaimin, SONG Yan, et al. Characteristics and evolution of the composite petroleum system in Jimsar Depression, Eastern Junggar Basin[J]. Acta Geoscientica Sinica, 2005, 26(3): 259-264. |
| [16] |
张少敏, 操应长, 朱如凯, 等. 湖相细粒混合沉积岩岩石类型划分:以准噶尔盆地吉木萨尔凹陷二叠系芦草沟组为例[J]. 地学前缘, 2018, 25(4): 198-209. ZHANG Shaomin, CAO Yingchang, ZHU Rukai, et al. Lithofacies classification of fine-grained mixed sedimentary rocks in the Permain Lucaogou Formation, Jimsar Sag, Junggar Basin[J]. Earth Science Frontiers, 2018, 25(4): 198-209. |
| [17] |
BAI Hua, PANG Xiongqi, KUANG Lichun, et al. Hydrocarbon expulsion potential of source rocks and its influence on the distribution of lacustrine tight oil reservoir, middle Permian Lucaogou Formation, Jimsar Sag, Junggar Basin, Northwest China[J]. Journal of Petroleum Science and Engineering, 2017, 149: 740-755. |
| [18] |
查明, 苏阳, 高长海, 等. 致密储层储集空间特征及影响因素:以准噶尔盆地吉木萨尔凹陷二叠系芦草沟组为例[J]. 中国矿业大学学报, 2017, 46(1): 85-95. ZHA Ming, SU Yang, GAO Changhai, et al. Tight reservoir space characteristics and controlling factors: an example from Permain Lucaogou Formation in Jimsar Sag, Junggar Basin, northwest China[J]. Journal of China University of Mining & Technology, 2017, 46(1): 85-95. |
| [19] |
雷健, 潘保芝, 张丽华. 基于数字岩心和孔隙网络模型的微观渗流模拟研究进展[J]. 地球物理学进展, 2018, 33(2): 653-660. LEI Jian, PAN Baozhi, ZHANG Lihua. Advance of microscopic flow simulation based on digital cores and pore network[J]. Progress in Geophysics (in Chinese), 2018, 33(2): 653-660. |
| [20] |
董怀民, 孙建孟, 林振洲, 等. 基于CT扫描的天然气水合物储层微观孔隙结构定量表征及特征分析[J]. 中国石油大学学报(自然科学版), 2018, 42(6): 40-49. DONG Huaimin, SUN Jianmeng, LIN Zhenzhou, et al. Quantitative characterization and characteristics analysis of microscopic pore structure in natural gas hydrate based on CT scanning[J]. Journal of China University of Petroleum (Edition of Natural Science), 2018, 42(6): 40-49. |
| [21] |
ZHA Ming, WANG Sen, DING Xiujian, et al. Tight oil accumulation mechanisms of the Lucaogou Formation in Jimsar Sag, NW China: insights from pore network modeling and physical experiments[J]. Journal of Asian Earth Sciences, 2019, 178: 204-215. |
| [22] |
陈猛.致密油储层水驱油实验及动态网络模拟研究[D].成都: 西南石油大学, 2017. CHEN Meng. Studies of water displacement experiments and dynamic network simulation in tight oil reservoirs[D]. Chengdu: Southwest Petroleum University, 2017. |
| [23] |
DONG Hu. Micro CT imaging and pore network extraction[D]. London: Imperial College London, 2007.
|
| [24] |
朱志强, 曾溅辉, 吴河勇, 等. 低渗透砂岩石油运移及成藏特征模拟实验[J]. 石油与天然气地质, 2007, 28(2): 229-234. ZHU Zhiqiang, ZENG Jianhui, WU Heyong, et al. An experimental study on oil migration and accumulation in low-permeability sandstone[J]. Oil & Gas Geology, 2007, 28(2): 229-234. |
| [25] |
李劲峰, 曲志浩, 孔令荣. 贾敏效应对低渗透油层有不可忽视的影响[J]. 石油勘探与开发, 1999, 26(2): 9, 19, 113-114. LI Jinfeng, QU Zhihao, KONG Lingrong. The obvious influence of Jamin effect on low-permeability reservoirs[J]. Petroleum Exploration and Development, 1999, 26(2): 9, 19, 113-114. |
| [26] |
马世忠, 张宇鹏. 应用压汞实验方法研究致密储层孔隙结构:以准噶尔盆地吉木萨尔凹陷芦草沟组为例[J]. 油气地质与采收率, 2017, 24(1): 26-33. MA Shizhong, ZHANG Yupeng. Study on the pore structure of tight reservoir by using method of mercury injection: a case study of the Lucaogou Formation in Jimsar Sag, Junggar Basin[J]. Petroleum Geology and Recovery Efficiency, 2017, 24(1): 26-33. |
| [27] |
SU Yang, ZHA Ming, DING Xiujian, et al. Pore type and pore size distribution of tight reservoirs in the Permian Lucaogou Formation of the Jimsar Sag, Junggar Basin, NW China[J]. Marine and Petroleum Geology, 2018, 89: 761-774. |