鄂尔多斯盆地三叠系延长组陆相页岩测井评价

陈斐然, 陈践发, 姜呈馥, 史鹏, 董劲, 陈娟, 杨春龙

(1.中国石油勘探开发研究院, 北京 100083; 2.中国石油大学(北京)油气资源与探测国家重点实验室, 北京 102249; 3.延长石油集团有限责任公司, 陕西 西安 710075)

0 引 言

通过对32个国家页岩气资源量的初步评价,页岩气的开发可使全球天然气可采资源量增加40%以上[1]。中国也开展了大量关于页岩气前期资源评价及相关勘探开发实验的研究[2-5],初期勘探成果表明中国页岩气资源潜力巨大[6]。对鄂尔多斯盆地三叠系延长组富有机质页岩层段的初步研究结果表明,该区页岩厚度大,有机碳含量较高,具有较好的页岩气资源潜力[7]。目前,延长油田股份有限公司已在探区内成功部署了中国第1批陆相页岩气探井,并且已在研究区内的柳评177井长7段获得工业气流,证明了陆相页岩气的存在[8]。

页岩原地总含气量的估算主要包括页岩的吸附气和游离气部分以及富有机质页岩层段的厚度[9-12]。在控制页岩气生成与聚集的诸多因素中,总有机碳含量(TOC)被普遍认为是评价页岩气成藏及进行产能预测的关键性参数[11,13-15]。这主要是由于页岩中的有机质不仅是页岩生气的物质基础,决定着页岩的生烃强度,也是页岩吸附气的载体之一,决定着页岩的吸附气量[16]。前人研究发现TOC与页岩甲烷吸附能力之间存在着较好的正相关性[16-21]。

为精确评价陆相页岩气经济潜力,估算页岩原地总含气量,需要对页岩的空间分布特征进行精细刻画。但由于受现场采样、实验费用及实验时间的限制,实际工作中很难得到整个页岩层段连续的TOC值,因此可以借助测井资料连续性好及垂向分辨率高的优势,利用不同测井曲线对有机质及围岩物理特性的异常响应,对富有机质页岩进行识别和评价。国内外学者对泥页岩测井评价方法及测井响应特征已经做了大量的研究与阐述[22-33],但不同的方法均具有一定的局限性和适用范围。

本文在综合整理国内外学者提出的多种关于利用测井信息评价泥页岩方法的基础上,将各方法在研究区进行实际应用对比,并结合研究区实际情况进行优选;利用优选出的方法对研究区各资料井的TOC进行拟合,分区间进行统计,精细刻画研究区长7、长9段不同TOC区间段泥页岩厚度。

1 研究区泥页岩地质特征

研究区主要位于陕北斜坡的东南部,主体位于陕西省延安市。研究目的层为三叠系延长组长7段和长9段,其中上三叠统延长组是发育在稳定沉降时期的湖相碎屑岩层系,湖盆经历了一个完整的湖侵湖退沉积旋回[34]。

长7段为湖盆最大的扩张时期,沉积厚度80～150 m,岩性主要为暗色页岩、碳质泥岩、油页岩夹薄层细砂岩。根据岩性特征可进一步划分为3个亚段。长7段底部为一套灰黑色半深湖相油页岩,页理一般较发育,测井响应特征明显,是一套较好的区域性标志层。

长9段发育在湖侵时期,受西南边缘断裂活动影响,以三角洲及半深湖相沉积为主,厚度范围在90～120 m,顶部发育一套区域稳定分布的“李家畔”页岩,厚度约为20 m。

2 测井评价方法

2.1 泥页岩测井响应特征

测井信息评价富有机质页岩的基本原理主要是利用不同测井工具对岩石有机质含量的特征响应。其中富有机质的沉积物通常具有几个明显的物理特征:高放射性、低密度、高氢含量,一般不导电或导电性差。自然伽马、声波、密度及电阻率测井曲线一般对富有机质泥页岩都会有一个明显的响应特征。

富有机质泥页岩的自然伽马值一般高于其他常规泥页岩或泥灰岩,并且岩石的总有机碳含量与自然伽马曲线之间常存在着正相关的线性关系[35]。这主要是由于有机质对铀元素的吸附性较强,导致铀元素会在有机质中富集。

密度测井曲线显示岩石的密度与有机碳含量之间存在着负相关关系,这是由于有机质的密度小于岩石的其他固体成分[32,35-37]。随着有机质含量增加,岩石的声波时差也会增大,声波测井与有机质丰度之间的这种正相关性已经得到许多学者的论证[36-37]。

由于有机质的非导电性,它的存在会导致岩石的电阻率增加。以前也有许多学者曾在成熟烃源岩中观察到电阻率急剧增加的现象[38-40],然而,与孔隙度曲线不同的是电阻率与泥页岩有机质丰度之间的关系并不是简单的线性关系,有机质对岩石导电性的影响除了厚度以外,还有成熟度的影响。

2.2 测井评价方法

从20世纪70年代开始,富有机质泥页岩就被作为常规油气的烃源岩层进行研究,经历了较长时间的发展,提出了很多方案与方法(见表1)。从最早期的模型驱动方法,到模型结合数据驱动,再到近年来兴起的纯数据驱动,不同的测井评价方法具有不同的适用范围,且不同拟合计算方法在同一地区得到的结果也存在一定的差异[28-33]。这主要是由于各方法提出的区域地质背景及特定条件的不同。因此在进行测井评价之前应当对各方法进行实际应用对比,优选出适用于研究区的测井评价方法。

表1 利用测井信息评价烃源岩各主要方法总结

3 方法应用及优选

将前人提出的几种测井评价方法在下寺湾地区进行实际应用,对该区YY-12井的TOC进行拟合。通过拟合结果与实测值对比,绘制综合对比柱状图(见图1),可以看出Schmoker[28]提出的第1种密度图版法拟合结果明显偏小,与实测值不存在线性关系,均方误差较大(见表2);同样,Schmoker[30]提出的自然伽马法拟合结果与实测TOC相比也偏小,而且在贫有机质泥页岩层段拟合结果普遍偏大,拟合效果较差。

应用Schmoker[31]提出的第2种密度图版法及Myers[41]提出的新密度图版法拟合效果相对较好,均方误差分别为1.39与2.22。同前2种方法相比具有一定的可适用性,但在贫有机质泥页岩层段拟合结果整体偏大,稳定性较差。同样,应用Huang[33]提出的人工神经网络反演法(BP-ANN)在取样层段拟合效果较好,但在其他层段拟合值明显偏高,说明该方法拟合结果的准确性与该地区训练样本(即样品实测值)的分布范围与数量密切相关。

本文最终选用稳定性更强(均方误差为1.28)、应用条件较少(仅需声波与电阻率曲线)的ΔlogR法[32]作为该地区测井评价泥页岩的主要方法进行推广应用。

表2 YY-12井拟合TOC值与实测值均方误差对比

4 陆相页岩测井评价

4.1 建立Δlog R模型

Passey等提出的ΔlogR方法是一种模型与数据驱动相结合的方法[32]。该方法主要是利用声波曲线与电阻率曲线的叠加拟合泥页岩的有机质丰度,考虑到成熟度值选取的不便性及容易产生整体的偏差,国内学者多采用改进后的ΔlogR方法进行相关评价[42-44]

TOC=A×ΔlogR+B

(1)

式中,A为拟合系数;ΔlogR被定义于声波曲线与电阻率曲线的间隔;B为与ΔlogR相关的常数。

本文选用实测TOC数据较多的YY-9井作为标准井,应用改进后的ΔlogR方法建立研究区测井评价富有机质泥页岩的模型(见图2)

TOC=2.229×ΔlogR+0.188

(2)

为检验该模型的实用性,选取YY-8井作为检验井,应用该模型拟合YY-8井的TOC,并将拟合TOC与实测TOC进行比较,发现二者误差较小,相关系数R2接近0.83(见图3)。结果表明应用该方法计算研究区页岩的TOC可信度高,适于在该区推广应用。

图2 标准井YY-9井Δlog R值与实测TOC关系

图3 检验井YY-8井拟合TOC与实测TOC关系

4.2 页岩空间分布

4.2.1 纵横向分布

依据建立的ΔlogR评价模型对研究区62口探井的页岩主要分布层段(长7、长9段)TOC进行测井拟合,依据拟合结果对富有机质页岩层段进行精细刻画。从绘制的连井剖面图中可以看出,①纵向上,长7段富有机质页岩主要分布在长7段中下部,有机碳含量主要分布在3.5%～6.5%,最高可达到10.0%以上,单层厚度较大,分布中心区厚度可达到70 m以上;长9段富有机质页岩所占比例相对较低,主要分布在长9段顶部,厚度约为20 m,TOC可达4.0%～6.0%;长8段与长9段中下部以泥质粉砂岩或粉砂质泥岩为主,有机碳含量相对较低,有部分暗色泥岩夹层。②横向上,长7段富有机质页岩厚度由西向东有明显变薄的趋势(由70 m减至20 m左右),而长9段页岩厚度却有略微增加(见图4),这说明在该时期内研究区分布中心由西向东方向发生偏移。

图4 研究区LP171—YY11—YY6—X57—X59地层对比图

4.2.2 平面展布

通过对研究区内62口井富有机质页岩层段的TOC进行拟合并统计,在单井综合研究的基础上,结合沉积相平面展布及相关资料的研究,由点到面,由单井综合柱状图到连井剖面图,再分TOC区间绘制研究区富有机质页岩的平面厚度等值线图(见图5、图6)。

图5 研究区长7段泥页岩TOC(>1.0%)平面厚度图

图6 研究区长9段泥页岩TOC(>1.0%)平面厚度图

研究区长7段富有机质页岩厚度存在由西南向东北逐渐减薄的趋势,TOC>1.0%页岩厚度范围主要分布在20～100 m(见图5),TOC>2.0%页岩厚度主要在10～80 m,厚度最大部分出现在研究区西南角,推测该区为研究区富有机质页岩分布中心。

长9段整体地层厚度较厚,中下部包含大段泥质粉砂岩或粉砂质泥岩(TOC<2.0%),其中TOC>1.0%的泥页岩厚度普遍可达到50 m以上(见图6);但长9段TOC>2.0%以上的富有机质页岩层段厚度所占比例较小(主要分布于顶部),仅占地层总厚度的20%左右,厚度范围在10～30 m。分布中心同长7段相比,发生了明显的东北方向的偏移,由研究区西南部转移至中部。

5 结 论

(1) 通过对各测井评价方法对比研究,发现模型数据驱动与数据驱动方法拟合的TOC结果明显优于单纯的模型驱动方法,这主要是由于模型驱动图版法的提出具有一定的地质背景特定性及条件假设性,因此实际推广适用性不强。

(2) 人工神经网络反演法(BP-ANN)在实测TOC层段拟合效果较好,但在贫有机质泥页岩层段的拟合结果明显偏高,整体评价较差,而ΔlogR法拟合泥岩的TOC含量与实测数据较一致、应用条件较少可在研究区推广应用。

(3) 长7段富有机质页岩主要分布在长7段中下部,有机碳含量主要分布在3.5%～6.5%,最高可达10.0%,单层厚度较大;长9段富有机质页岩主要分布在长9段顶部,厚度约为20 m,TOC可达4.0%～6.0%。

(4) 研究区长7段富有机质页岩厚度存在由西南向东北逐渐减薄的趋势,富有机质页岩的分布中心位于研究区西南部,TOC>1.0%页岩厚度范围主要分布在20～100 m,TOC>2.0%页岩厚度主要在10～80 m;长9段沉积中心转移至研究区中部,富有机质页岩层段(TOC>2.0%)厚度所占比例较小,仅占地层总厚度的20%左右,厚度范围在10～30 m。

参考文献:

[1] Energy Information Administration. Annual Energy Review[EB/OL]. http: ∥www.eia.gov/, 2014.

[2] 赵文智, 董大忠, 李建忠, 等. 中国页岩气资源潜力及其在天然气未来发展中的地位 [J]. 中国工程科学, 2012, 14(7): 46-52.

[3] 邹才能, 董大忠, 王社教, 等. 中国页岩气形成机理、地质特征及资源潜力 [J]. 石油勘探与开发, 2010, 37(6): 641-653.

[4] 曾鑫, 孙建孟, 崔红珠. 变等温页岩吸附气体积计算模型 [J]. 测井技术, 2014, 38(3): 286-291.

[5] 毕赫, 姜振学, 李鹏, 等. 渝东南地区龙马溪组页岩吸附特征及其影响因素 [J]. 天然气地球科学, 2014, 25(2): 302-310.

[6] 郭天魁, 张士诚, 葛洪魁, 等. 四川上三叠统须家河组页岩波速各向异性测试 [J]. 测井技术, 2014, 38(6): 663-668.

[7] 徐士林, 包书景. 鄂尔多斯盆地三叠系延长组页岩气形成条件及有利发育区预测 [J]. 天然气地球科学, 2009, 20(3): 460-465.

[8] 王香增, 张金川, 曹金舟, 等. 陆相页岩气资源评价初探: 以延长直罗-下寺湾区中生界长7段为例 [J]. 地学前缘, 2012, 19(2): 192-197.

[9] Curtis J B. Fractured Shale-gas Systems [J]. AAPG Bulletin, 2002, 86: 1921-1938.

[10] Gasparik M, Ghanizadeh A, Bertier P, et al. High-pressure Methane Sorption Isotherms of Black Shales from the Netherlands [J]. Energy & Fuels, 2012, 26: 4995-5004.

[11] Ross D J, Bustin R M. Shale Gas Potential of the Lower Jurassic Gordondale Member, Northeastern British Columbia, Canada [J]. Bulletin of Canadian Petroleum Geology, 2007, 55: 51-75.

[12] Rexer T F, Benham M J, Aplin A C, et al. Methane Adsorption on Shale under Simulated Geological Temperature and Pressure Conditions [J]. Energy & Fuels, 2013, 27: 3099-3109.

[13] Jarvie D M, Hill R J, Ruble T E, et al. Unconventional Shale-gas Systems: The Mississippian Barnett Shale of North-central Texas as One Model for Thermogenic Shale-gas Assessment [J]. AAPG Bulletin, 2007, 91: 475-499.

[14] Chalmers G R, Bustin R M. The Organic Matter Distribution and Methane Capacity of the Lower Cretaceous Strata of Northeastern British Columbia, Canada [J]. International Journal of Coal Geology, 2007b, 70: 223-239.

[15] Chalmers G R, Bustin R M. Lower Cretaceous Gas Shales in Northeastern British Columbia, Part I: Geological Controls on Methane Sorption Capacity [J]. Bulletin of Canadian Petroleum Geology, 2008, 56: 1-21.

[16] Ross D J, Bustin R M. Characterizing the Shale Gas Resource Potential of Devonian-Mississippian Strata in the Western Canada Sedimentary Basin: Application of an Integrated Formation Evaluation [J]. AAPG Bulletin, 2008, 92: 87-125.

[17] Gasparik M, Bertier P, Gensterblum Y, et al. Geological Controls on the Methane Storage Capacity in Organic-rich Shales [J]. International Journal of Coal Geology, 2013, 123: 34-51.

[18] Hao F, Zou H, Lu Y. Mechanisms of Shale Gas Storage: Implications for Shale Gas Exploration in China [J]. AAPG Bulletin, 2013, 97: 1325-1346.

[19] Ross D J, Bustin R M. The Importance of Shale Composition and Pore Structure Upon Gas Storage Potential of Shale Gas Reservoirs [J]. Marine and Petroleum Geology, 2009, 26: 916-927.

要使马铃薯获得优质丰产，选择适宜马铃薯生长的土壤十分重要，种植马铃薯的地块应该满足以下两个基本条件：一是选择土壤肥沃、地势平坦、排灌方便、土层深厚、土质疏松的微酸性沙壤土或壤土进行栽培。二是选择三年内没栽培过马铃薯、番茄、辣椒、茄子等茄科作物的地块，以减少病虫害的发生。前茬最好为豆科、十字花科、禾谷类等作物，如以大豆、油菜、葱、大蒜作为前茬作物，还可有效防止细菌性青枯病的危害。

[20] Strapoc D, Mastalerz M, Schimmelmann A, et al. Geochemical Constraints on the Origin and Volume of Gas in the New Albany Shale (Devonian-Mississippian), Eastern Illinois Basin [J]. AAPG bulletin, 2010, 94: 1713-1740.

[21] Zhang T, Ellis G S, Ruppel S C, et al. Effect of Organic-matter Type and Thermal Maturity on Methane Adsorption in Shale-gas Systems [J]. Organic Geochemistry, 2012, 47: 120-131.

[22] 张志伟, 张龙海. 测井评价烃源岩的方法及其应用效果 [J]. 石油勘探与开发, 2000, 27(3): 84-87.

[23] 郭龙, 陈践发, 苗忠英. 一种新的TOC含量拟合方法研究与应用 [J]. 天然气地球科学, 2009, 20(6): 951-956.

[24] 王贵文, 朱振宇, 朱广宇. 烃源岩测井评价识别与评价方法 [J]. 石油勘探与开发, 2002, 29(4): 50-53.

[25] 朱光有, 金强, 张林晔. 用测井信息获取烃源岩的地球化学参数研究 [J]. 测井技术, 2003, 27(2): 104-109.

[26] 万金彬, 李庆华, 白松涛. 页岩气储层测井评价及进展 [J]. 测井技术, 2012, 36(5): 441-447.

[27] 赵兴齐, 陈践发, 郭望, 等. BP神经网络在西湖凹陷烃源岩评价中的应用 [J]. 测井技术, 2013, 37(5): 567-571.

[28] Schmoker J W. Determination of Organic Content f Appalachian Devonian Shales from Formation-density Logs [J]. Am Assoc Pet Geol, 1979, 63: 1504-1537.

[29] Herron S L, Le Tendre. Wireline Source Rock Evaluation in the Paris Basin [J]. AAPG Studies in Geology, 1990, 74: 57-71.

[30] Schmoker J W. Determination of Organic-matter Content of Appalachian Devonian Shales from Gamma-ray Logs [J]. Am Assoc Pet Geol, 1981, 65(7): 1285-1298.

[31] Schmoker J W, Hester. Organic Carbon in Bakken Formation, United States Portion of Williston Basin [J]. AAPG Bulletin, 1983, 67(12): 2165-2174.

[32] Passey Q R, Creaney S, Kulla J B, et al. A Practical Model for Organic Richness from Porosity and Resistivity Logs [J]. AAPG Bulletin, 1990, 74(12): 1777-1794.

[33] Huang Z, Williamson M A. Artificial Neural Network Modelling as an Aid to Source Rock Characterization [J]. Marine and Petroleum Geology, 1996, 13(2): 277-290.

[34] 杨俊杰. 鄂尔多斯盆地构造演化与油气分布规律 [M]. 北京: 石油工业出版社, 2002: 130-181.

[35] Meyer B L, Nederlof M H. Identification of Source Rocks on Wireline Logs by Density/Resistivity and Sonic Transit Time/Resistivity Crossplots [J]. AAPG Bulletin, 1984, 68(2): 121-129.

[36] Paul F V Williams. Oil Shales and Their Analysis [J]. Fuel, 1983, 62(7): 756-771.

[37] Mendelson J D, Toksoz M N, et al. Source Rock Characterization Using Multivariate Analysis of Log Data [C]∥SPWLA 26th Logging Symposium, 1985, 17: 1-21.

[38] Nixon R P. Oil Source Beds in Cretaceous Mowry Shale of Northwestern Interior United States [J]. AAPG Bulletin, 1973, 57(1): 136-157.

[39] Ulrich Mann, Peter J. Source Rock Evaluation by Well Log Analysis (Lower Toarcian, Hils syncline) [J]. Organic Geochemistry, 1988, 13(1): 109-119.

[40] Mohammad R K, Ahad A M. Total Organic Carbon Content Determined from Well Logs Using ΔlogRand Neuro Fuzzy Techniques [J]. Journal of Petroleum Science and Engineering, 2004, 45(3): 141-148.

[41] Myers K J, Jenkyns K F. Determining Total Organic Carbon Contents from Well Logs: An Inter Comparison of GST Data and a New Density Log Method [J]. Geological Society, London, Special Publications, 1992, 65(1): 369-376.

[42] 杨少春, 王娜, 李明瑞, 等. 鄂尔多斯盆地崇信地区三叠系延长组烃源岩测井评价 [J]. 天然气地球科学, 2013, 24(3): 470-476.

[43] 霍秋立, 曾花森, 付丽, 等. ΔlogR测井源岩评价方法的改进及其在松辽盆地的应用 [J]. 吉林大学学报: 地球科学版, 2011, 41(2): 586-591.

[44] 朱光有, 金强, 张林晔. 用测井信息获取烃源岩的地球化学参数研究 [J]. 测井技术, 2003, 27(2): 104-109.