СОН ЗЭЧЖАН

Министерство образования и науки Российской Федерации
Российский Государственный Университет нефти и газа
имени И.М.Губкина
На правах рукописи
СОН ЗЭЧЖАН
Геологические условия формирования и сохранения залежей сланцевого газа
в континентальных отложениях С региона в Бассейне Ордос
Специальность 25.00.12—Геология, поиски и разведки нефтяных и газовых
месторождений
Диссертация на соискание учѐной степени
кандидата геолого-минералогических наук
Научный руководительдоктор геолого-минералогических наук,
профессор А.В.Лобусев
Москва - 2015
2
Оглавление
Оглавление ............................................................................................................ 2
Введение ................................................................................................................ 5
Глава 1. Общие сведения о бассейне и районе исследования ................... 14
1.1. Геотектоническое положение Бассейна Ордос ............................................... 14
1.2. Геотектоническое положение района исследования ....................................... 15
Глава 2. Литолого-стратиграфическое исследование ................................ 19
2.1. Литолого-стратиграфическая характеристика разреза ................................... 19
2.2. Уточнение типов пород в сланцевом разрезе .................................................. 24
2.2.1. Проблемы выделения типов пород в сланцевом разрезе ........................ 24
2.2.2. Особенности корректного выделения типов пород в сланцевом разрезе
......................................................................................................................................... 26
2.2.3. Геологические параметры выделения сланцев ........................................ 27
2.2.4. Статистический анализ данных литологии, полученных способом
выноса керна .................................................................................................................. 27
Глава 3. Детальная межскважинная корреляция сланцевых разрезов . 33
3.1. Выделение региональных реперов и целевых пластов .................................. 34
3.2. Детальная корреляция отложений С7, С8 и С9 ............................................... 35
3.3. Детальная корреляция внутри пласта С7......................................................... 38
Глава 4. Литолого-фациальный анализ ........................................................ 41
Глава 5. Энергетическая характеристика залежей сланцевого газа ....... 45
5.1. Пластовое давление............................................................................................ 45
5.1.1. Прежнее прогнозирование пластового давления ..................................... 46
5.1.2. Доказательства существования АВПД...................................................... 46
5.1.3. Прогнозирование гидростатического пластового давления ................... 49
5.1.4. Прогнозирование геостатического давления ........................................... 50
5.1.5. Прогнозирование пластового давления .................................................... 55
5.2. Прогнозирование пластовых температур ........................................................ 60
3
Глава
6.
Геохимические
исследования
органического
вещества
сланцевого коллектора ............................................................................................... 63
6.1. Термическая зрелость органического вещества.............................................. 64
6.2. Генетические типы органического вещества .................................................. 66
6.3. Содержание органического вещества .............................................................. 69
6.4. Прогнозирование содержания углерода органического происхождения (С орг)
......................................................................................................................................... 72
6.4.1. Оценка Сорг методом интерпретации данных ГИС .................................. 72
6.4.2. Метод △LogR ............................................................................................. 74
6.4.3. Повышение эффективности прогнозирования Сорг ................................. 84
Глава 7. Геофизические исследования для определения параметров
сланцевого коллектора ............................................................................................... 97
7.1. Оценка содержания глины ................................................................................. 99
7.1.1. Ренгенодифракционный анализ (XRD). .................................................. 100
7.1.2. Интерпретация содержания глины в пласте с помощью ГК ................ 103
7.1.3. Интерпретация содержания глины в пласте с помощью ГГМ-п и АК 104
7.1.4. Анализ распределения глинистости. ....................................................... 105
7.2. Оценка коллекторских свойств ....................................................................... 106
7.2.1. Лабораторный анализ пористости и проницаемости. ........................... 107
7.2.2. Коррекция влияния от УВ ........................................................................ 108
7.2.3. Оценка пористости с помощью ГГМ-п................................................... 109
7.3. Оценка насыщенности сланцевого коллекторов ........................................... 116
7.3.1. Оценка водонасыщенности сланцевого коллектора. ............................. 116
7.3.2. Оценка нефтенасыщения и газонасыщения сланцевого коллектора. .. 118
Глава 8. Оценка газосодержания и подсчѐт запасов сланцевой залежи 122
8.1. Геологические методы прогнозирования газосодержания .......................... 122
8.1.1. Геологические методы прогнозирования адсорбционного газа ........... 122
8.1.2. Геологические методы прогнозирования растворѐнного газа .............. 126
8.1.3. Геологические методы прогнозирования свободного газа ................... 127
4
8.2. Оценка модели прогнозирования газосодержания методом десорбции .... 129
8.3. Построение трѐхмерной геологической модели и подсчѐт геологических
запасов сланцевого газа .............................................................................................. 131
Заключение ....................................................................................................... 134
Библиографический список использованной литературы ..................... 137
5
Введение
Актуальность работы
По мере стремительного развития экономики, увеличения энергетического
потребления, выброса вредных веществ и парниковых газов, окружающая человека
среда постепенно ухудшается. По сравнению с нефтью, природный газ является
одним из немногих чистых энергетических ресурсов. Поэтому для устойчивого
развития экономики и сохранения окружающей среды различные страны
предпочитают развитие газовой промышленности [1].
Для китайской газовой промышленности характерен значительный рост
потребления природного газа. Так с 2000 г. по 2013 г. газовое потребление в Китае
увеличивалось с 24,5 миллиарда кубических метров по 167,6 миллиарда
кубических метров с ежегодным темпом роста до 16%, что выше темпа роста
валового внутреннего продукта (10,2%) и темпа роста общего объѐма потребления
энергии (7,9%)[2].
Однако вследствие этого в Китае развивается чрезмерная зависимость от
импорта, которая вредит государственной безопасности. Так в 2013 г., китайское
потребление природного газа составило 167,6 миллиарда кубических метров,
среди которых 52,9 миллиарда кубических метров природного газа было
импортировано, зависимость от зарубежного природного газа увеличивалась с 5,7%
(2007 г.) по 31,6% (2013 г.)[2].
Поэтому Китаю необходимо найти решение для выхода из создавшейся
ситуации в газовой промышленности.
В последние годы метан угольных пластов, сланцевый газ, газ в плотных
песчаниках оказались в центре внимания учѐных, занимающихся проблемой
исследования нетрадиционных газовых ресурсов. Основанием для этого стала
сланцевая революция в США.
В 2000 г. годовая добыча сланцевого газа в Северной Америке превышала 10
миллиардов кубических метров, до 2010 г. годовая добыча сланцевого газа в
6
данном регионе уже превышала 150 миллиарда кубических метров. В течение 10
лет добыча повысилась в 10 раз [2,3].
По данным Американского газового института и Компании ARI, в 2007 году,
в США фонд эксплуатационных скважин составляет примерно 42000 скважин,
годовая добыча сланцевого газа составляет 450×108 м3, примерно равно 8%
годовой добычи газа США. В 2009, годовая добыча газа США достигала 5934×10 8
м3, в том числе, годовая добыча сланцевого газа равна 878×108 м3, составляет 15%
всей газовой добычи. А в 2010 году, годовая добыча сланцевого газа США
составляла 20% годовой добычи газа США (1359×108 м3)[4].
По данным компании BP, после сланцевой революции, с 2006 г. по 2014 г.
годовая добыча сланцевого газа в США ежегодно повышается примерно на 2
процента (рисунок В.1). В результате США совершенно изменили свою структуру
поставок природного газа и стали одной из многих экспортѐров природного
газа[5].
Рисунок В.1. Изменение структуры газодобычи в США[6]
Развитие промышленности сланцевого газа в США сильно изменило
мировую структуру предложения природного газа. По данным компании BP, в 2014
г. благодаря сланцевому природному газу США экспортировали примерно 40
миллиардов кубических метров природного газа, заняв значительное место в
7
мировом рынке его поставки (рисунок В.2).
Рисунок В.2. Главные поставщики природного газа 2014 (миллиард кубических метров) [6]
Кроме США и Канады, страны как Австралия, Германия, Франция, Швеция,
Польша и так далее тоже начали исследование, разведку и разработку сланцевого
газа.
Китайская
промышленность
сланцевого
газа
имеет
следующие
характеристики.
Во-первых, китайские ресурсы сланцевого газа имеют огромный потенциал.
В соответствии с докладом от Управления энергетической информации США,
который публикован в июне 2013 года, ресурсы сланцевого газа всего мира
составляют 7299×1012 ft.3, а Китай занимает первое место—примерно 20%
ресурсов всего мира. Китай обладает огромными ресурсами сланцевого газа.
Многие специалисты уже оценили перспективы сланцевого газа[4].
Во-вторых, китайские геологические условия залежи сланцевого газа
значительно отличаются от американских. Например, глубина залегания пласта
сланцевого газа в Бассейне Сычуань изменяется от 1500 до 4000 метров, а в США,
глубина залегания пласта сланцевого газа только изменяется от 200 по 2600
метров. По всему миру большинство залежей сланцевого газа находится в
8
морских отложениях, а в Китае залежь сланцевого газа находится не только в
морских, но и в континентальных отложениях.
В-третьих, китайская разработка сланцевого газа все ещѐ находится в
зачаточном состоянии. СИНОПЕК (Китайская нефтяная и химическая корпорация)
в декабре 2010 года в Юньба только завершила проходку первой вертикальную
испытательной сланцевой скважины. В марте 2011 года Китайская нефтяная
компания завершила бурение первой в Китае горизонтальной сланцевой скважины.
В целях повышения интенсивности разработки сланцевого газа, в Китае
разработка сланцевого газа производится в кооперации с иностранными
компаниями. Например, компания Шелл и Китайская нефтяная компания
совместно проводят разведку и разработку сланцевого газа в Сычуаньском
Бассейне.
В-четвертых, китайское правительство серьѐзно относится к развитию
промышленности сланцевого газа. В марте 2012 года, в Китае опубликовано
«Проектирование развития
сланцевого газа(2011-2015 г.)» для руководства
разведкой и разработкой в период двенадцатой пятилетки[1]. В последние годы,
разные исследовательские центры Китая купили различную аппаратуру для
исследования сланцевого газа.
Поэтому разработка залежей сланцевого газа важна для Китая. А для
разведки и разработки, необходима теория формирования и сохранения залежей
сланцевого газа.
Согласно оценке компания RIA, публикована в 2013 г., в Китае существует 7
оценѐнных перспективных бассейнов для разработки сланцевого газа и сланцевой
нефти[4]. Как показано рисунке В.3 жѐлтым цветом, это Таримский бассейн,
Джунгарский бассейн, Бассейн Сунляо, Сычуаньский бассейн, Бассейн Субэй,
Цзяннанский бассейн и платформа Янцзы.
Кроме этих оценѐнных бассейнов, ещѐ существуют другие тогда ещѐ
неоценѐнные бассейны, среди которых, Ордосский бассейн находится в центре
внимания.
9
Рисунок В.3. Бассейны, перспективные для разработки сланцевого газа и сланцевой нефти в
Китае
Таким образом, для Китая актуально углубление исследований сланцевого
газа и расширение регион его исследований (особенно в неоценѐнных районах). В
данной диссертации, выбрали неоценѐнный регион — Бассейн Ордос, и конкретнее
– регион С.
Степень разработанности темы диссертации
В Бассейне Ордос, исследование сланцевого газа началось недавно. В С
регионе, в области исследования сланцевого газа имеется ещѐ много неясного.
Во-первых, пока существует мало скважин, пробурѐнных специально для
исследования сланцевого газа.
Во-вторых, мало данных геохимического анализа.
В-третьих, не хватает данных комплекса ГИС для исследования сланцевого
газа. В данном регионе существует только основные данные ГИС, как СП, АК, ГМ,
ЭС, а данные как ГГМ-п, НК имеются не во всех скважинах. Отсутствуют данные
ядерно-магнитных резонансов.
10
В-четвѐртых, известные к настоящему времени залежи сланцевого газа
приурочены к морским отложениям, тогда как в Бассейне Ордос, наши объекты
исследования сланцевого газа находятся в континентальных отложениях. Плюс к
этому, величины отражательной способности витринита невысокие и изменяются
в диапазоне 0,82% ～ 1,12%. Это значит, данные пласты находятся в стадии
катагенеза.
Это
зона
нефтеобразования
и
газообразования.
В
пластах
одновременно существуют и нефть и газ. Теория формирования такой залежи
сланцевого газа в континентальных отложениях пока не описана. Пока в мире ещѐ
нет аналогичных примеров в области исследования сланцевого газа.
Цель и задачи исследования
Целью работы являются оценка перспектив поисков и разведки залежей
сланцевого газа в С регионе Бассейна Ордос, подать рекомендация для
дальнейших исследований.
Для достижения поставленной цели необходимо было решить следующие
задачи:
1. Разработать эффективные методики типизации сланцевых отложений.
2. Определить зоны развития аномально-высокого пластового давления.
3. Оценить газосодержание адсорбционного газа, растворенного в нефти
газа, свободного газа и их соотношения. Узнать какой вид газа преобладает.
4. На основе существующих данных оценить перспективы освоения
сланцевого газа в Бассейне Ордос.
Научная новизна
1. Впервые в мире проведено исследование сланцевого газа в низкозрелом
сланце (0,82%<Ro<1,12%) в континентальных отложениях.
2. Впервые предложено проведение нормирования данных ГИС под
фациальным контролем.
3. Построена региональная модель для прогнозирования Сорг в С регионе,
имеющая отличия от моделей для прогнозирования Сорг в высокозрелом сланце в
морских отложениях.
11
4. Уточнѐн прежний прогноз пластового давления и подтверждено
существование аномального пластового давления.
5. Впервые в С регионе с помощью трѐхмерной геологической модели
оценены запасы сланцевого газа.
Теоретическая и практическая значимость работы
1. В результате прогнозирования пластового давления, проведѐнного на
месторождении для исследования сланцевого газа, значительно изменена оценка
содержания адсорбционного газа.
2. Метод проведения нормирования данных ГИС под фациальным
контролем публикован в китайском журнале «Journal of China university of mining
and technology»(EI Compendex).
3. После нормирования данных ГИС, значительно повышена эффективность
и
точность
геохимической
оценки
сланцевого
коллектора.
Модель
для
прогнозирования Сорг может быть применена во всем изучаемом регионе,.
4. Интерпретация данных ГИС в сланцевых коллекторах для низкозрелых
континентальных отложений стало научной основой для исследования сланцевого
газа в континентальных отложениях Китая.
Публикации и апробация работы.
Основные положения диссертационной работы были доложены на
российских и международных конференциях, научных сессиях и семинарах: 69-й
Международной молодѐжной научной конференции «Нефть и газ—2015», Москва,
2015; 11-й Всероссийской конференции молодых учѐных, специалистов и
студентов «Новые технологии в газовой промышленности», Москва, 2015; 7-м
Международном Молодѐжном научно-практическом Конгрессе «Нефтегазовые
горизонты» («Oil and Gas Horizons»), Москва, 2015; научных семинарах кафедры
промысловой геологии нефти и газа РГУ нефти и газа имени И.М.Губкина, а
также изложены в 6 опубликованных работах, включая тезисы докладов
конференций.
Методология и методы исследования
12
1. Для коррекции результата описания шлама применѐн статистический
метод для установления связи данных ГИС и типов пород.
2. Применены Eaton формулы для прогнозирования пластового давления, на
основании
установленных
трендов
нормального
уплотнения
по
данным
лабораторных анализов керн.
3. При оценке содержания глины сланцевого коллектора применена
технология Ренгенодифракционного анализа (XRD). Совместно XRD с ГК
определяется содержание глины в сланцевом пласте.
4. С помощью аппарата PDP-200 оценена эффективная пористость и
проницаемость сланцевого коллектора.
5. По технологии СЭМ оценена эффективная пористость керогена.
6. Для определения водонасыщения эффективно применена формула
Simandoux.
7. Для определения коллекторских свойств сланцевой залежи применена
многоминеральная объѐмная модель.
8. Методом схождения построены структурные карты кровли и подошвы
изучаемых пластов.
9. В трѐхмерной цифровой модели с помощью комплекса Pеtrel проведѐн
подсчѐт геологических запасов сланцевой залежи.
Основные защищаемые положения
1. Разработанная методика определения типов пород в континентальных
отложениях, содержащих залежи сланцевого газа, основанная на анализе
статистических связей данных ГИС и литологии.
2. Установленная зависимость величины газосодержания в сланцевом
разрезе
от
наличия аномально-высокого пластового давления, которое
изменяется от 1,2 до 1,6 по отношению к гидростатическому.
3. Разработанная методика прогнозирования Сорг в изучаемом сланцевом
разрезе, основанная на нормировании данных ГИС (АК, НК, ГГМ-п и данных
электрического сопротивления).
13
4. Установлено соотношение типов насыщения пород природным газом в
сланцевой залежи. В разрезе преобладает адсорбционный газ (больше 70%) по
сравнению со свободным (10%-20%) и растворѐнным газом (10%-20%).
Подсчитанные запасы сланцевого газа в изучаемом регионе составляют
7,5136×1012 м3 в пласте С7, 2,1248×1012 м3 в верхней части пласта С9.
Благодарность.
Автор
признателен
геолого-минералогических
своему
наук,
научному
профессору
руководителю,
Александру
доктору
Вячеславовичу
Лобусеву за поддержку, ценные советы, возможность совместной работы. За
большое внимание к работе и поддержку на всех этапах еѐ выполнение автор
признателен кандидату технических наук, доценту Михаилу Александровичу
Лобусеву и кандидату геолого-минералогических наук, доценту Людмиле
Вадимовне Милосердовой.
14
Глава 1. Общие сведения о бассейне и районе исследования
1.1. Геотектоническое положение Бассейна Ордос
Бассейн Ордос, также известный как ШаньГаньНин - наложенный бассейн,
сформированный на фундаменте северного китайского кратона. В геологическом
отношении Бассейн Ордос самый древний и имеет самую длинную историю
эволюции в Китае[7].
По размерам Бассейн Ордос занимает второе место среди всех осадочных
бассейнов в Китае. Площадь бассейна—около 25×104 км2. Бассейн расположен
между 106°20′ восточной долготы и 110°30′ восточной долготы, между
35°
северной широты и 40°30′ северной широты. В административном отношении он
располагается в пределах провинций Шаньси, Ганьсу, Нинся, Внутренней
Монголии и Шаньси.
На севере Бассейн Ордос примыкает к Бассейну Хэтао, а на юге Бассейн
Ордос проходит через складчатую зону Вэпэй, расположен напротив Бассейна
Вэйхэ. На востоке Бассейн Ордос примыкает к складчатой зоне Цзиньси, а на
западе Бассейн Ордос расположен напротив гор Люпан и, через складчатую зону Бассейна Иньчуань.
Мезозойская тектоническая структура Бассейна Ордос развивалась на фоне
сложной региональной тектонической обстановки, испытывала два этапа
тектонических движений—Инчжи (257-205 Ma) и Яньшань(210-65 Ма). Движения
этапа Инчжи заложило основу мезозойской тектонической структуры, движения
этапа Яньшань наследовало и развивало его тектонические характеристики.
В настоящее время структурная форма Бассейна Ордос на западном крыле
более узка и наклона, а на востоке более широка и полога. Складки и разломы более
развиты по границам бассейна. Внутри бассейна в центральной части структура
бассейна довольно проста. Угол падения пластов невелик - обычно меньше 1°.
Центральная часть бассейна отличается от других частей тем, что там практически
отсутствует складчатость и слаба магматическая активность. Внутри бассейна
15
отсутствуют структуры второго порядка, а структурные носы занимают главное
место среди структур третьего порядка, почти нет локальных структур с большой
амплитудой и которые могли бы служить хорошим структурными ловушками.
В
соответствии
с
действующей
тектонической
схемой,
строением
фундамента, тектоническими особенностями осадочного чехла, можно разделить
Бассейн Ордос на 6 тектонических элементов первого порядка: поднятие Имэн,
поднятие Вэпей, складчатая зона Цзинси, склон Шаньпей, депрессия Тяньхуань,
западная зона надвига, как показано на рисунке 1.1.
Рисунок 1.1. Бассейн Ордос и район исследования[8]
1.2. Геотектоническое положение района исследования
Как показано а рисунке 1.2 розовым прямоугольником обозначен С регион
(район исследований). Он расположен на востоке склона Шаньпей Бассейна
Ордос. Региональная структура района исследования представляет собой
моноклиналь. Угол падения пластов менее 1°, средний градиент склона равен 7-8
16
м/км. Внутренняя тектоника очень проста и однородна, только локально развит
структурный нос с небольшой амплитудой, образованный в результате
дифференциального уплотнения. На территории С региона (района исследований)
расположены административные центры: Ганьцюань, Баотао, Аньсай, Яньчан,
Яньчуань, Цзичан, Ичуань, Юйлин и так далее[7].
Рисунок 1.2. Район исследований—С регион Бассейна Ордос
На рисунке 1.3 приведена структурная карта отражающей поверхности
Склона Шаньпей, расположенной в основании каменноугольной системы,
представленная угольным пластом. Эта сейсмическая поверхность хорошо
выражена, расположена стабильно по площади, легко непрерывно отслеживается.
Из рисунка следует, что этот район является региональной моноклиналью,
погружающейся с востока на запад, то есть восточная часть выше западной.
Стратоизогипсы на западе располагаются теснее, чем на востоке, это значит, что
градиент склона на западе больше чем на востоке.
17
Рисунок 1.3. Структурная карта по отражающей поверхности Склона Шаньпей (угольный пласт в
основании каменноугольной системы, отражающий сейсмический горизонт «A»)[8]
На рисунке 1.4 показана отражающая поверхность одного из пластов
верхнего отдела триасовой системы, представленного аргиллитами и туфами с
высоким электрическим сопротивлением. Эта поверхность имеет сходные
характеристики отражения, расположена стабильно по площади, непрерывно
прослеживается. Соответствующий пласт является региональным опорным
пластом С Бассейна Ордос. Исходя из этой картинки, следует, что эта область
является простой моноклиналью. Надо почеркнуть, что на западе существуют
несколько структурных носов.
18
Рисунок 1.4. Структурная карта по отражающей поверхности Склона Шаньпей аргиллитов и
туфов пласта верхнего отдела Триасовой системы[8]
19
Глава 2. Литолого-стратиграфическое исследование
2.1. Литолого-стратиграфическая характеристика разреза
Литологическое и стратиграфическое описание разреза дано по результатам
анализа данных глубокого бурения, в том числе и данных выноса керна и данных
описания
шлама.
Расчленение
разреза
основано
на
региональных
стратиграфических схемах, основанных на данных месторождения Яньчан.
В геологическом разрезе выделяются два структурных этажа: фундамент,
сложенный породами нерасчленѐнный архейской эратемы и протерозойской
эратемы, перекрытый осадочными породами палеозойской, мезозойской и
кайнозойской эратем. Средняя мощность осадочного чехла Бассейна Ордос
составляет 5000 м. В разрезе чехла регионально отсутствуют породы силурийской,
девонской систем и нижнего отдела каменноугольной системы.
Ниже приводится краткое описание разреза и особенности геологического
строения Бассейна Ордос.
 Фундамент
Фундамент
Бассейна
Ордос
представлен
кристаллическими
и
метаморфическими породами архейской и протерозойской эратем. Породы
допалеозойского возраста залегают на значительных глубинах. Это объясняет
слабую их изученность. Породы допалеозойского возраста изучены, в основном,
по материалам сейсморазведки.
 Палеозойская группа (PZ)
В составе палеозойской группы рассматриваются отложения ордовикской,
каменноугольной, пермской систем.
Ордовикская система(O)
Отложения ордовикской системы залегают на фундаменте, представлены
неравномерным чередованием песков серых и серо-белых разнозернистых с
чѐрными глинами.
Каменноугольная система (С)
20
Отложения верхнего отдела каменноугольной системы несогласно залегают
на ордовикских отложениях. На изучаемой территории они представлены
равномерным чередованием песков светло-серых разнозернистых с глинами
серыми, серо-чѐрными.
К нижней границе пермских образований приурочена мощная толща угля.
Это отражающий сейсмический горизонт «A», как показано на рисунке 1.3.
Пермская система (P)
В составе пермских отложений выделяются породы трѐх отделов: нижнего,
среднего и верхнего.
Нижний отдел пермской системы представлен свитами Тайюань, Шаньси.
Средний отдел пермской системы представлен свитой Шихэцзи, а верхний отдел
представлен свитой Шицзянфэн.
Нижний отдел(P1)
Свита Тайюань представлена равномерным чередованием глин серых и
серо-чѐрных с песчаниками светло-серыми мелкозернистыми. Частично содержит
тонкий угольный слой. Толщина свиты примерно равна 30 м.
Свита
Шаньси
представлена
глинами
серыми
и
коричневатыми,
алевролитовыми глинами, зернистыми песчаниками. Толщина свиты примерно
равна 110 м.
Средний отдел(P2)
Шихэцзи свита представлена неравномерным чередованием песчаников
светло-коричневых и серо-зелѐных. Толщина свиты примерно равно 270 м.
Верхний отдел(P3)
Шицзянфэн свита в верхней части представлена равномерным чередованием
серо-фиолетовых глин со светло-серыми мелкозернистыми песчаниками. В
нижней части - равномерным чередованием глин, алевролитов и мелкозернистых
песчаников. Толщина свиты примерно равно 260 м.
 Мезозойская группа (MZ)
Мезозойская эра является основной эрой для образования нефти, особенно в
21
в поздней ее части, для которой была характерна, высокая скорость аккреции
земной коры, бескислородная обстановка, активизация основных разломов. Эти
условии заложили отличную геодинамическую базу для образования, миграции, и
накопления нефти и газа.
Триасовая система (T)
Отложения триасовой системы на рассматриваемой территории развиты
повсеместно и представлены тремя отделами: нижним, средним и верхним.
Нижний отдел триасовой системы представлен свитами Хэшангоу и
Люцзягоу. Средний отдел триасовой системы представлен свитой Чжифан.
Верхний отдел триасовой системы представлен С свитой.
Нижний отдел (T1)
Свита
фиолетово-серых
Люцзягоу
глин,
представлена
равномерным
коричнево-розовых
песчаников,
чередованием
макрозернистых
песчаников. Толщина свиты примерно равна 310 м.
Свита Хэшангоу представлена равномерным чередованием коричневой
глины и средне- мелко-зернистых песчаников.
Средний отдел (T2)
Cвита
Чжифан
представлена
равномерным
чередованием
коричнево-красных мелкозернистых песчаников и средне- мелко-зернистых
пестроцветных песчаников.
Верхний отдел (T3)
С свита представлена сложным чередованием глин, сланцев, алевролитов,
мелкозернистых песчаников. Скважина вскрыла образования верхнего отдела на
глубине 2060,5 и прошла в ней 1100 м. Это самая мощная свита в разрезе.
Как показано в таблице 2.1, С свита представлена 10 пластами, С1-С10.
среди которых, продуктивными пластами являются пласт С7 и пласт С9.
После тектонической эпохи Цинлин в середине мезозоя морской бассейн
закрылся и при постепенном развития впадины и стабильном залегании,
сформировалась С свита, характеризующаяся речными и озѐрными фациями,
22
сложенными континентальными обломочными породами.
В процессе условий осадкообразования С свиты выделяется три периода:
ранний период — речная фация на равнине, средний период — озѐрная фация,
поздний период — дельта и пойма, речная фация. С свита преимущественно
сложена сланцами, которые богаты органическим веществом. Толщина этой свиты
изменяется от 300 по 3000 м, в среднем составляя 1100 м. С свиту с параллельным
несогласием перекрывает средний отдел триаса. На периферических областях
бассейна можно видеть, несогласное перекрытие пород С свиты породами юрской
системы.
Таблица 2.1. Стратиграфия триасового отдела
23
В данной диссертации, целевыми объектами исследования являются пласты
С7, С9, между ними находится пласт С8.
Пласт С7. Толщина которого равна 100-120 м. Отложения пласта С7
представлены
чередованием
тѐмного
аргиллита,
аргиллита,
глинистого
алевролита, нефтяного сланца. Пласт содержит ископаемую чешую рыбы,
частицы пирита. Отложения в верхней части пласта С7 на рассматриваемой
территории
представлены
чередованием
алевролита
и
мелкозернистых
песчаников, существенно преобладает мелкозернистый песчаник. Толщина
верхней части изменяется от 15 по 30 м. Отложения в средней и нижней частях
пласта
С7
представлены
чѐрным
сланцем,
аргиллитом,
алевролитовым
аргиллитом, существенно преобладает чѐрный нефтяной сланец.
Пласт С8. Толщина примерно 115-130 м. Пласт С8 представлен
неравномерным чередованием тѐмного аргиллита, песчаного аргиллита с серым
мелкозернистым песчаником, мелкозернистого песчаника. Фацией пласта С8
является озѐрная дельтовая система. Встречаются турбовинтовые породы. В
нижней части пласта С8 более развит песчаник, толщина песчаника изменяется от
15 по 30 м. По сравнению с отложениями в нижней части пласта С7, отложения
пласта С8 преимущественно развиты песчаник и алевролит.
Пласт С9. Толщина 100-134 м. Породы пласта С9 в основном представлены
черными аргиллитами, песчаными аргиллитами с серым мелкозернистым
песчаником, мелкозернистым песчаником. В верхней части пласта С9 развит
нефтяной сланец, известный как Лицяпанский, служащий маркирующим
горизонтом. Характеристика сланца верхней части пласта С9 очень похожа на
характеристику сланца в средней и в нижней частях пласта С7. Эти сланцевые
части являются объектами исследования.
Юрская система (J)
В составе юрской системы рассматриваются нижний отдел и средний отдел,
в которых выделяются свиты Яньань, Чжилуо, Аньдин.
Свита Яньань несогласно залегает на триасовой системе, толщина которой
24
составляет 350 м. Эта свита представлена чередованием светло-серых
песчаников с чѐрными аргиллитами.
Свита Чжилуо представлена чередованием светло-серых мелкозернистых
песчаников и серо-чѐрных аргиллитов с угольным слоем. Толщина свиты
составляет 250 м.
Свита
Чжилуо
толщиной
250
м
представлена
неравномерным
чередованием светло-серых мелкозернистых песчаников с аргиллитами.
Меловая система (K)
Толщина отложения меловой системы составляет 170 м. Отложения в
верхней части меловой системы представлены чередованием тѐмно-серых
аргиллитов с зелѐно-серыми песчаниками, в нижней части меловой системы
представлены коричневым средне- мелкозернистым песчаником.
 Кайнозойская группа (KZ)
Из-за
выветривания
в
рассматриваемой
территории,
отложения
кайнозойской группы представлены светло-жѐлтым песчаником.
2.2. Уточнение типов пород в сланцевом разрезе
2.2.1. Проблемы выделения типов пород в сланцевом разрезе
Графическое представление изменений пород по разрезу осуществляется
построением литологической колонки, колонки основного состава породы,
седиментационных кривых[10].
В районе исследования литологическое и стратиграфическое описание
разреза дано по результатам описания шлама. Но в процессе работы было
обнаружено, что в некоторых скважинах, литологическая колонка, полученная
способом описания шлама, не совпадает с литологической колонкой, полученной
по керну.
Как показано на рисунке 2.1, в литологической колонке, полученной по
данным описания шлама, с глубины 1240 м по 1200 м представлена непрерывным
чѐрным сланцем. Но на самом деле, при выносе керна заметили, что порода в
25
соответствующей глубине представлена алевролитовым аргиллитом. В данном
регионе часто встречается такая проблема — среди длинного разреза чѐрных
сланцев существуют относительно тонкие слои мелкозернистого песчаника,
алевролитового аргиллита, аргиллита, глинистого алевролита. Описание шламы
не достаточно эффективно для определения разных пород в длинном сланцевом
разрезе. Поэтому существует необходимость уточнить разные породы а сланцевом
разрезе.
Рисунок 2.2. Несовпадение колонок, полученных способом описания шламы и выноса керна
26
2.2.2. Особенности корректного выделения типов пород в сланцевом разрезе
Правильное определение разных пород в сланцевом разрезе имеет большое
значение. Сланцевый газ в основном содержится в сланце в адсорбционных,
свободных, растворѐнных фазах. Эти прослои в сланцевом разрезе по сравнению
со сланцем, имеют большую пористость и проницаемость. Как «сладкая точка
залежи» для традиционных залежей, эти прослои в сланцевом разрезе играют
похожую роль.
Кроме того, важно знать каким образом влияют на формирование сланцевой
залежи другие литологические компоненты (прослои). В микро-масштабе это
определяется лабораторными методами экспериментально. В макро-масштабе,
следует определить как те, или другие породы влияют на газосодержание.
Поэтому важно уметь определить разные породы в сланцевом разрезе.
Пласты, являющиеся объектами изучения в основном сложены сланцами.
По данным керна выделено 4 типы породы: чѐрный сланец, который богат
органическими
веществами,
серый
алевролит,
аргиллит,
мелкозернистый
песчаник.
По определению Джексона J A, Бейтса R Л (1997) сланец, это слоистая
мелкозернистая порода с содержанием частиц, гранул размером глины, больше
чем 67%[11]. А нефтяной сланец, это сланец, богат органическими веществами. В
данном разрезе, по сравнению со сланцем, остальные 3 типа породы тоже
принадлежат к числу мелкозернистых. Поэтому определение сланцев в данном
разрезе затруднительно. Многие методы ГИС не эффективны для выделения
сланцев. Например, в разрезе, состоящем из песчаника и глины, с помощью СП,
можно узнать, где коллектор, но в сланцевом разрезе, показания СП в сланцевом
коллекторе и в отложениях других пород почти не отличаются.
Во вторых, в общем, Китай сейчас находится в стадии разведки сланцевого
газа, и в данном регионе ещѐ мало специальных сланцевых скважин. А среди всех
сланцевых скважин, комплекс ГИС не полон, то есть, не во всех скважинах
27
проводится стандартный комплекс ГИС. Во многих скважинах не хватает
необходимых традиционных комплексов ГИС для того, чтобы определить разные
породы. Даже существующие комплексы ГИС во всех скважинах не одинаковы.
В-третьих, в изучаемом регионе, сланцевый разрез в основном представлен
сланцами, тогда как другие типы пород существуют в виде прослоев. По
сравнению со сланцем они очень тонкие. Это увеличивает трудность определения
сланцев в разрезе.
Поэтому возникает вопрос, как правильно выделить разные типы пород в
сланцевом разрезе с помощью недостаточных данных?
2.2.3. Геологические параметры выделения сланцев
Пласты – объекты исследования - находятся в окне нефтеобразования.
Значение отражатель способности витринита пласта С7 изменяется от 0,83% по
1,02%. Значение отражательной способности витринита пласта С9 изменяется от
0,88% по 1,1%. Поэтому пласт насыщен и нефтью и газом. Нефтяная и газовая
насыщенность при описании шламы уже доказана.
Как известно, сланец, который богат органическими веществами, по
сравнению с аргиллитами, обладает низкой плотностью, благодаря низкой
плотности органического вещества.
Как и аргиллит, обычно сланец имеет высокое показание ГМ. В связи с тем,
что сланцевый пласт насыщен нефтью и газом, пласт имеет высокое сопротивление.
Из-за существования сланцевого газа пласт обладает высоким показанием АК.
Нефть и вода имеют похожее содержание водорода, но газ имеет очень низкое
содержание водорода. Поэтому в изучаемом регионе сланцевый пласт имеет
высокое показание НК.
2.2.4. Статистический анализ данных литологии, полученных способом
выноса керна
Объектами исследования являются пласты С7, и С9. Данные выноса керна
получены в 10 сланцевых скважинах, G, D, F, M, I, B, A, H, C, L, а существующие
28
во всех этих скважинах данные ГИС только есть данные ГК, ЭС, ГГК, СП, АК.
Трудность определения разных пород в данном регионе заключается в том,
что в разрезе исследования преобладает чѐрный сланец, а другие виды породы
существуют как прослои в разрезе чѐрного сланца. ФЕС этих тип пород очень
близки, по крайней мере, разница не так очевидна как разница между песчаником
и аргиллитом. Все они мелкозернистые породы, с маленькой пористостью и
проницаемостью. До сих пор мало опубликованных литературных данных об
определении типа пород в таком разрезе. Но у нас в руках есть колонка,
полученная способом выноса керна, и данные ГИС соответствующих участков.
Поэтому можно статистически анализировать связи между данными ГИС и
литологией, найти закономерности и применить найденную закономерность на
других участках данного региона.
Для скважин, у которых есть данные ГГМ-п, АК, ГМ, ЭС и данные
интерпретации глиносодержания, пористости, проницаемости, были собраны
данные керна и соответствующие результаты интерпретации данных ГИС.
Показанная на рисунке 2.3 диаграмма называется блочной, или ящичной
диаграммой. С двух сторон у неѐ имеются два отрезка, показывающие крайние
минимальное и максимальное значения. Точки, далѐкие от диаграммы являются
аномальными значениями, и исключаются. диаграмма показывает главный
диапазон распределений. А линия внутри диаграммы показывает серединное
значение.
АК показание сланцев изменяется от 100,69 мкс/м по 441,14 мкс/м, среднее
значение — 203,26 мкс/м, гораздо больше, чем АК показание других тип пород.
Акустическое показание аргиллита изменяется от 39,98 по 66,78 мкс/м,
среднее значение — 55,27 мкс/м.
Акустическое показание алевролита изменяется от 39,87 по 96,14 мкс/м,
среднее значение — 66,82 мкс/м.
Акустическое показание мелкозернистого песчаника изменяется от 41,63 по
68,12 мкс/м, среднее значение — 52,93 мкс/м.
29
То же самое, можно аналогично анализировать связь между распределением
данных остальных методов ГИС и литологией.
Результат сопоставления распределения данных ГИС с литологией показан в
картинке 2.3. Следует что, АК, ЭС, ГГМ-плотность, ГМ являются хорошими
показателями для выделения сланцев. Региональные данные показывают, что
плотность сланцев не выше 2,5 г/см3. Поэтому можно принимать 2,5 г/см3 в
качестве раздела между сланцем и другими типами пород. Из данных тоже можно
увидеть, что из-за нефтегазонасыщения, разница ЭС между сланцем и другими
типами пород тоже очевидна, поэтому можно принимать 100 Ом в качестве
раздела между сланцем и другими видами пород.
30
Рисунок 2.3. Сопоставление распределения данных ГИС с разными типами пород(алев — алевролит,
арги — аргиллит, песч — мелкозернистый песчаник, слан — сланец)
Тогда можно с помощью ГГМ-плотность и ЭС выделить сланец-коллектор,
как показано на рисунке 2.4.
ГМ показание сланца и аргиллита больше чем ГМ показания алевролита и
мелкозернистого песчаника, и у глиносодержания тоже есть такой тренд, но он не
так очевиден. Поэтому после выделения сланца, если ГМ показание больше чем
125 API и глиносодержание больше чем 40%, такие породы считаем аргиллитами,
как показано на рисунке 2.5.
После этого, если показание ГМ больше чем 108 API и глиносодержание
больше
чем
28%,
породу считаем алевролитом,
а остальные
считаем
мелкозернистыми песчаниками, как показано на рисунке 2.6.
СП
и
результаты
интерпретации
данных
ГИС
как
проницаемость не эффективны при выделении сланцы-коллектора.
пористость,
31
Рисунок 2.4. Первый этап: Выделение сланца
Рисунок 2.5. Второй этап: Выделение аргиллита
32
Рисунок 2.6. Третий этап: Выделение алевролита и мелкозернистого песчаника
При использовании такой количественной связи хорошо определяются
разные типы пород данного региона. Например, как показано на рисунке 2.7, в
скважине N, до исправления, способом описания шлама с глубины 1390 м по
глубину 1404 м определены как сланцы. А после исправления заметили, что в
разрезе существуют прослои.
Рисунок 2.7. Пример определения типов пород в длинном сланцевом разрезе в скважине N
33
Глава 3. Детальная межскважинная корреляция сланцевых разрезов
Корреляция разрезов скважин (сопоставление разрезов скважин) - это один
из многих важнейших задач для геологов. Корреляция разделяется на общую и
детальную корреляцию. Общая корреляция, это сопоставление разрезов скважин,
пробурѐнных в пределах месторождений в целом. То есть, общая корреляция, это
корреляция с устья до забоя скважин[12-14].
Главными задачами общей корреляции являются:
1) выделение одноимѐнных стратиграфических свит;
2) выделение литологических пачек;
3) выделение продуктивных пластов и горизонтов;
4) выделение опорных или маркирующих горизонтов.
Детальная корреляция или зональная корреляция , это сопоставление между
собой частей разрезов скважин в пределах продуктивных пластов или горизонтов
для
изучения
их
фациальной
изменчивости,
границ
выклинивания,
распространения по площади.
Корреляция позволяет выделить одновозрастные пласты, проследить за
изменениями мощности пород, литологического состава, фациального состава.
Общая и детальная корреляция начинаются с выделения маркирующих
горизонтов.
Изучение разрезов скважин с помощью данных ГИС, особенно с помощью
данных электрического и радиоактивного каротажа, позволяет выделить реперы
— геоэлектрические и георадиоактивные. Эти реперы соответствуют максимумам
или минимумам на кривых кажущегося сопротивления, гамма-каротажа,
нейтронно-гамма-каротажа и других.
В С регионе Бассейна Ордос, целевыми пластами для исследования
сланцевого газа являются С7 и верхняя часть пласта С9, поэтому детальная
корреляция проводится в данном проекте в основном в нижней части верхнего
отдела триаса, то есть в нижней части С свиты. Детальная корреляция включала
34
отложения в нижней части С свиты и проводилась в пластах С9, С8, С7 (снизу
вверх). Полный разрез отложений верхнего отдела триасовой системы вскрыт
всеми скважинами.
Для корреляция выбрана скважина B в качестве центральной скважины, где
существуют полный вынос керн верхнего триасового отдела и находится в центре
изучаемого региона.
3.1. Выделение региональных реперов и целевых пластов
Для детальной корреляции, нам необходимо выбрать региональные реперы.
Региональные реперы должны проследить во всех скважинах в пределах
изучаемого региона, поэтому у региональных реперов следующие свойства:
1)
очевидные
характеристики
ГИС
(например,
геоэлектрические и
георадиоактивные);
2) значительные мощности;
3) стабильно распространяются по площади в изучаемом регионе,
существуют во всех скважинах;
Как показано рисунке 3.1, в нижней части С свиты существуют два
региональных репера в сланцевых отложениях—А и Б.
Отложения А и Б представляют себя сланцевые отложения. По литологии,
отложения А и Б представлены неравномерным чередованием чѐрных сланцев с
аргиллитом и алевролитом, чѐрный сланец господствует (более 90%). Мощность
отложений А примерно равна 60-80 м, а мощность отложений Б примерно равна
20-30 м. Нефтеносность и газоносность этих отложений уже доказана.
Геофизические характеристики этих отложений очевидны. Для них характерны:
1) высокие акустические характеристики;
2) высокое кажущееся сопротивление;
3) высокие гамма характеристики;
4) высокие нейтронные характеристики;
5) низкие ГГМ-п характеристики.
35
Отложения А и Б прослеживаются во всех скважинах.
Рисунок 3.1. Региональные реперы (скв. B)
Следует почеркнуть, что отложения А и Б не только служат региональными
реперами, но и целевыми объектами для исследования сланцевого газа.
3.2. Детальная корреляция отложений С7, С8 и С9
В результате детальной корреляции, было выделено 3 пласта: С7, С8, С9.
Выбираем подошву отложений А в качестве границы между пластами С7 и
С8, а кровлю отложений Б в качестве границы между пластами С8 и С9. В
кровельной части отложений А присутствует глинистый песчаник, который
перекрыт верхнеюрскими глинистыми отложениями. Показание ГИС этого
36
песчаного слоя по сравнению с показаниями пласта А очевидно — низкое
сопротивление, низкие
акустические, нейтронные,
гамма
характеристики,
нормальное показание ГГМ-п. Поэтому можно выбрать верхнюю границу этого
регионального песчаного отложения в качестве верхней границы пласта С7.
Аналогично, можно выбрать нижнюю границу регионального песчаного слоя в
качестве нижней границы пласта С9.
Пласт С8 является дельтовым отложением при стадии регрессии, и сложен
мелкозернистым песчаником и алевролитом. Во время осадконакопления
отложений С7, фация изменяется на полуглубокую и глубокую озѐрную.
Соответственно, развиты черные сланцы при озѐрной трансгрессии. Отложение
верхней части пласта С8 с толщиной 10 м, состоящие из аргиллитов,
алевролитового аргиллита, чѐрного сланца, являются отложениями фронта
дельты.
В изучаемом регионе для демонстрации результатов корреляции отложений
С7, С8 и С9 были выбраны две профиля.
Как показано на рисунке 3.2, выделены два геологических профиля
корреляции по площади. Первый профиль (показано красным цветом) направлен
примерно с северо-запада на юго-восток, второй (зелѐный) профиль направлен
примерно с юго-запада на северо-востока.
Красный профиль проходит по очереди через скважины R-A-O c
северо-запада на юго-восток. Зелѐный профиль проходит по очереди через
скважины Q -A- M с юго-запада на северо-восток.
37
Рисунок 3.2. Геологические профили по площади для корреляции
Как видно на рисунке 3.3, красный профиль показывает, что толщина чѐрного
сланца А и Б по направлению с северо-запада на юго-восток изменяется не сильно,
примерно параллельно.
Рисунок 3.3. «Красный»профиль по скважинам R-A-O (направление: с северо-запада на юго-восток)
38
Как показано на рисунке 3.4, «зелѐный» профиль показывает, что по
направлению с северо-востока на юго-запад толщина чѐрного сланца А и Б
увеличивается.
Рисунок 3.4. «Зелѐный»профиль по скважинам Q-A-M (направление: с юго-запада на северо-восток)
Из рисунков 3.3 и 3.4 следует, что береговая линия озера направлена
примерно с северо-запада на юго-восток. По направлению северо-восток на
юго-запада, глубина озера увеличивается.
3.3. Детальная корреляция внутри пласта С7
Поскольку главными объектами для исследования сланцевого газа являются
сланцевые отложения А и Б, постольку существует необходимость уточнить
распространение исследуемых объектов по площади и по разрезу. На основании
детальной корреляции отложений С7, С8, С9 проводится детальная корреляция
39
внутри пласта С7.
После выноса керна заметили, что отложения А можно разделиться на две
части: обломки частиц верхней части сланца больше чем обломки частиц сланца
нижней части, цвет нижней части отложения А глубже верхней. Таким образом,
можно разделить пласт С7 на три слоя: С7-1, С7-2, С7-3, как показано на рисунке
3.5. С помощью кривых ЭС и АК следует, что во время осадконакопления С7-3,
глубина воды озера увеличивается, была трансгрессия, в конце времени
осадконакопления
С7-3,
была
регрессия,
но
не
сильная.
Во
время
осадконакопления С7-2, была заметная регрессия, с С7-2 на С7-1 литологическая
фация заметно изменяется с чѐрного сланца на мелкозернистый песчаник с
прослоями.
Рисунок 3.5. Детальное расчленение пласта С7
Таким образом, слой С7-1 представлен чередованием песчаника с
40
алевролитом, глинистым алевролитом и аргиллитом. А С7-2 представлен
чередованием чѐрного сланца с аргиллитом, толщина изменяется от 20 до 30 м.
С7-3 представлен чередованием чѐрного сланца с аргиллитом, толщина
изменяется от 30 до 50 м.
Аналогичным образом был создан геологический профиль по разрезу
внутри отложений С7 по направлению с юго-запада на северо-восток, то есть по
«зелѐному» профилю, как показано на рисунке 3.6. Аналогично рисунку 3.4,
следует, что толщина чѐрного сланца уменьшается по направлению с юго-запада
на северо-восток, и по этому направлению чѐрный сланец уменьшается, а
аргиллит увеличивается.
Рисунок 3.6. Геологический профиль по скважинам Q-A-M по разрезу среди пласта С7 (направление: с
юго-запада на северо-восток)
41
Глава 4. Литолого-фациальный анализ
Фациальный анализ является основой для палеогеографических построений,
своеобразным естественным введением в палеогеографию. При этом считается,
что его цель — восстановить обстановки осадконакопления[15]. Фациальный
анализ, это средство для восстановления обстановки геологического прошлого.
Фациальный анализ слагается из комплексов приѐмов и методик, которые
позволяют на основании свойств осадочных пород и литологических признаков
установить условия осадконакопления[15]. Для того, чтобы оценить свойства
коллектора сланцевого газа, необходимо узнать условия осадконакопления
геологического прошлого.
А понятие «фация» используется в разных смыслах [16]:
1) как чисто описательное понятие для обозначения пород, например: фация
песчаника;
2) в генетическом значении для продуктов предполагаемого процесса
формирования пород, например: турбидитная фация для отложений турбидных
потоков;
3) для характеристики предполагаемой обстановки, в которой отлагалась
горная порода или совокупность пород, например: речная фация, мелководная
фация;
4) как тектонофация, например «посторогенные фации».
Фация, в узком смысле, это реальное геологическое тело, часть
определѐнного горизонта или слоя. Разные фации выделяются с целью
восстановления условий для образования осадков[12].
В
данной
диссертации,
когда
говорим
о
фации,
имеем
в
характеристики предполагаемой обстановки осадконакопления.
Распространение фаций и его изменение зависит от многих факторов:
1) процессы осадкообразования;
2) поступление осадочного материала;
виду
42
3) климат;
4) тектоника;
5) изменение уровня моря;
6) биологическая активность:
7) химия вод.
В любой обстановке осадкообразования влияние поставки осадочного
материала зависит от наличия осадочного материала, от прогибания, от изменений
уровня озера[13].
Основно существует два условии для осадконакопления: трансгрессивные
условия, регрессивные условия.
Когда прогибание и подъем уровня озера превалируют над поступлением
терригенного материала, возникает ситуация дефицита осадков. Это приводит к
перемыву, эрозии и диагенезу отложений, к трансгрессии и увеличению глубины,
которое сопровождается возрастанием роли хемогенных и биогенных осадков.
Когда поступление терригенного материала превалирует над подъѐмом
уровня озера и прогибанием, в результате имеют место проградации и возрастание
относительной роли континентальных фаций.
Воздействие тектоники на осадконакопление выражается в формировании
возвышенностей и прогибов. Тектоника создаѐт географические предпосылки
поставки осадочного материала, контролирует виды среды и климат.
С помощью таких показателей, как типы пород, содержание микроэлементов,
содержание кварца, содержание пирита, мощность чѐрного сланца, циклические
характеристики показаний ГИС, были восстановлены условия осадконакопления
геологического прошлого.
В стадии осадконакопления С9, как показано на рисунке 4.1, большая часть
территории изучаемого региона находится в мелководной озѐрной фации.
43
Рисунок 4.1. Фазовая зональность во время С9
Как показано на рисунке 4.2, в стадии осадконакопления С7-3, часть
изучаемого региона находится в полуглубокой озѐрной фации, часть находится в
глубокой озѐрной фации. Тогда береговая линия озера направлена с северо-запада
на юго-восток.
Рисунок 4.2. Фазовая зональность во время С7-3
44
Как показано на рисунке 4.3, в стадии осадконакопления С7-2, большая часть
изучаемого региона находилась в полуглубокой озѐрной фации. По сравнению с
рисунком 4.2, береговая линия озера перемещалась в сторону юго-запада. Это
значит, что с С7-3 на С7-2 случилась регрессия озера, в результате чего, береговая
линия озера двигалась в сторону юго-запад.
Рисунок 4.3. Фазовая зональность во время С7-2
45
Глава 5. Энергетическая характеристика залежей сланцевого газа
5.1. Пластовое давление
Энергетические ресурсы залежей исходят из краевой и подошвенной воды,
газа газовой шапки, давления растворенного газа, упругости пласта и жидкости,
силы тяжести.
Об энергетических ресурсах судят по величине начального пластового
давления[17].
Пластовое
давление
и
геостатическое
давление
являются
важнейшими параметрами при проектировании ГРП сланцевого коллектора. В
залежи сланцевого газа, сланцевый газ преимущественно существует в
адсорбционном и в свободном виде. Содержание адсорбционного газа составляет
20% ～ 85% от общего содержания газа сланцевой залежи[17-20]. На практике
используем моделирование изотермической адсорбции для того, чтобы установить
модель
связей
между
содержанием
адсорбционного
газа,
давлением
и
температурой. Эта модель соответствует закону изотермической адсорбции
Langmuir. В соответствии с законом Langmuir, адсорбционный газ определяется по
формуле (5.1):
Va =
VL ×P
P:PL
(5,1)
Где:
Va —объем адсорбционного газа, м3/тон;
VL —объем Langmuir, м3/тон;
PL—давление Langmuir, МПа;
P—поровое давление, МПа.
Пластовое давление непосредственно влияет на адсорбцию сланцевого газа.
Чем выше пластовое давление, тем больше адсорбционного газа.
Многочисленные модельные исследования подтвердили, что содержание
адсорбционного газа является функцией от температуры и давления. Поэтому при
исследовании сланцевого газа, правильный прогноз порового давления играет
46
важнейшую роль.
5.1.1. Прежнее прогнозирование пластового давления
Ранее в С регионе в целевом пласте то есть в средней и нижней части пласта
С7 и в верхней части С9 прогнозировалось, аномальное низкое пластовое давление
(АНПД).
Для расчѐта пластового давления было использована формула (5.2):
P𝑃 = 0,7 × 𝑃ℎ𝑦𝑑𝑟𝑜
(5.2).
То есть отношение P𝑃 /𝑃ℎ𝑦𝑑𝑟𝑜 < 1, существует АНПД.
5.1.2. Доказательства существования АВПД
При нормальном уплотнении, под влиянием вышележащих пород, с
увеличением глубины залегания степень уплотнения увеличивается, плотность
породы увеличивается, пористость уменьшается, порода становится плотнее.
Соответственно, при бурении скорость проходки бурения уменьшается, а время
проходки бурения увеличивается. Но когда встречаются зоны недоуплотнения,
скорость проходки увеличивается, а время проходки намного уменьшается.
Как показано ниже на рисунке 5.1, в пласте С7 скважины A, время проходки
бурения снижается с 28 мин/м резко на 2 мин/м. Это первое доказательство
недоуплотнения и существования АВПД.
47
Рисунок 5.1. Время проходки бурения по вертикали
Jorden и Shirley 1965г. на основе исследования C. Binghan установили связь
между d индексом и давлением (5,3):
d=
V
)
60N
12W
lg( 6 )
10 𝐷
lg(
(5,3)
Где:
d—d индекс,
V—скорость бурения, м/мин.,
D—диаметр ротора, см,
N—скорость ротора, поворот в минуту,
W—давление бурения.
При нормальном уплотнении, d индекс увеличивается по мере углубления, а
когда встречает пласт с высоким давлением, d индекс снижается, отклоняется от
тренда нормального уплотнения, таким образом отмечая АВПД.
Чтобы устранить влияние бурового раствора, Rehm и Mc clendon в 1971 г.
48
ввели поправочное значение и установили dc индекс с d индекса. dc индекс
определяется по формуле (5.4):
dc = d × (
G𝐻⁄
𝐸𝐶𝐷)
(5.4)
Где:
GH—нормальный градиент давления бурового раствора, г/см3,
ECD—эквивалентная плотность бурового раствора, г/см3.
При нормальном уплотнении, по мере увеличения глубины, порода
становится более и более плотной. Соответственно dc индекс увеличивается по
глубине, а коэффициент давления при нормальном уплотнении примерно равно 1.
Как показано на рисунке 5.2, в пласте С7, dc индекс снижается резко, и
соответственно коэффициент давления резко увеличивается до величин свыше 1.
Это означает, что в пласте С7 существует аномальное высокое давление. Такое же
явление было обнаружено в верхней части пласта С9, значит в верхней части
пласта С9 тоже существует аномальное высокое давление.
Рисунок 5.2. Изменение DC индекса и коэффициента давления по глубине
49
5.1.3. Прогнозирование гидростатического пластового давления
Гидростатическое давление в пластах—давление столба подземного флюида
(вода) от места измерения в пласте до зеркала грунтовых вод или уровня моря,
избыточное по отношению к атмосферному.
Наиболее интенсивный процесс уплотнения отмечается обычно в самых
погруженных частях впадин, где и расположена область питания, а движение
подземных вод происходит в сторону бортовых зон бассейна.
В водонапорных системах этого типа пластовое давление может быть выше
гидростатического — и условного и истинного. При этом под условным
гидростатическим давлением понимают давление столба воды (с плотностью 1
г/см3) от плоскости замера до земной поверхности над точкой замера.
Гидростатическое давление определяется по формуле (5.5):
𝑃ℎ𝑦𝑑𝑟𝑜 = 𝜌 × 𝑔 × ℎ ÷ 1000
(5.5)
Где:
𝑃ℎ𝑦𝑑𝑟𝑜 —Гидростатическое давление, МПа,
𝜌— плотность воды, 1,0 г/см3,
h—фактическая вертикальная глубина, м.
Гидростатическое давление в средней и в нижней части пласта С7 изменяется
с 13 МПа по 14 МПа, а в верхней части пласта С9 с 14,5 МПа по 15,5 МПа (рисунок
5,3).
50
Рисунок 5.3. Прогнозирование гидростатического давления(скважина A)
5.1.4. Прогнозирование геостатического давления
Давление, оказываемое на пласт весом лежащей выше толщи горных пород,
называется геостатическим давлением. Геостатическое давление передаѐтся
породами, а внутри породы — зѐрнами, то есть скелетом породы. Величина
геостатического давления зависит от толщины и плотности вышезалегающих
горных пород. Геостатическому давлению противодействует внутреннее пластовое
давление, которое передаѐтся пластовой жидкостью.
Геостатическое давление определяется интегральным методом по формуле
(5.6):
𝑇𝑉𝐷
Pover = g × ∫0
𝜌(ℎ)𝑑ℎ
(5.6)
Где:
Pover —геостатическое давление, Па;
g—ускорение свободного падения, 9,8 м/с2;
𝜌(ℎ)—плотность пород в глубине h (показание ГГМ-п), г/см3;
51
TVD—фактическая вертикальная глубина, м.
Следует, что главная информация для прогнозирования геостатического
давления является плотностью породы, которая можно получиться путѐм ГГМ-п.
Но в данном регионе существует следующие проблемы.
Во-первых, ГГМ-п существует не во всех скважинах.
Во-вторых, в скважинах, где существуют данные ГГМ-п, данные ГГМ-п не
полны. Как показано ниже на рисунке 5.4, данные ГГМ-п существуют только ниже
490 м, а выше 490 м отсутствуют.
Рисунок 5.4. Данные ГГМ-п не полны (скважина A).
Для прогнозирования геостатического давления необходимы полные данные
плотности с поверхности до целевого пласта, поэтому надо моделировать
плотность в верхней части, где отсутствуют данные ГГМ-п.
С помощью литологического состава по вертикали, путѐм экстраполяции
моделируем плотность в верхней части, результат моделирования показан на
52
рисунке 5.3. Экстраполяция проводится методом трендовой линии, которая
проходит через три точки. Кривая трендовой линии определяется по формуле (5,7).
𝜌𝑒𝑥𝑡𝑟𝑎 = 𝜌𝑚𝑢𝑑𝑙𝑖𝑛𝑒 + 𝐴 × 𝑇𝑉𝐷
𝛼
(5,7)
Где:
𝜌𝑒𝑥𝑡𝑟𝑎 —плотность экстраполяции, г/см3;
𝜌𝑚𝑢𝑑𝑙𝑖𝑛𝑒 —плотность глины на земле, г/см3;
TVD—фактическая вертикальная глубина, м;
A、𝛼—параметр для моделирования.
Как показано на рисунке 5.5, в соответствии с синей линией, первая точка
называется точкой глины и находится на поверхности земли, где фактическая
вертикальная глубина равна нулю. В данном случае первая точка 𝜌𝑚𝑢𝑑𝑙𝑖𝑛𝑒 равна
2,108 г/см3. Вторая точка называется точкой мелкой глубины. Она должна
находиться в месте, где глубина невелика. Обычно выбираем начало ГГМ-п. В
данном случае, глубина второй точки равна 481,7 м, и соответствующая плотность
равна 2,46 г/см3. Третья точка называется глубокой точкой, она должна находиться в
месте, где глубина велика. В данном случае, глубина третьей точки равна 1066,83 м,
соответствующая плотность равна 2,53 г/см3.
При выборе трендовой линии необходимо руководиться двумя правилами:
Во-первых, вторая и третья точка должно находиться в месте, где
литологический состав соответствует сланцу или аргиллиту.
Во-вторых, трендовая линия плотности должна совпадать с трендом
существующих ГГМ-п данных.
Таким образом, методом экстраполяция получаем плотность верхней части.
Совместно с существующими данными получаем полные данные по плотности с
поверхности, как показано в третьей колонке рисунка 5.5.
53
Рисунок 5.5. Экстраполяция данных ГГМ-п
Для скважин, где отсутствуют данные ГГМ-п, можно с помощью данных АК
синтезировать кривую плотности. Метод синтеза называется методом Gardner,
плотность определяется по формуле (5,8):
𝜌𝐺𝑎𝑟𝑑𝑛𝑒𝑟 = 𝛼 × 𝑉
𝛽
(5,8)
Где:
𝜌𝐺𝑎𝑟𝑑𝑛𝑒𝑟 —плотность с помощью модели Gardner, г/см3;
α—коэффициент скорости, безразмерно, опытное значение 0,23;
β—индекс скорости, безразмерно, опытное значение 0,25;
V—волновая скорость, фут/сек.
Как показано на рисунке 5.6, при сопоставлении синтезированной кривой
плотности (DEN_GARDNER) с кривой ГГМ-п (DEN) в скважине A, следует, что
полученная кривая плотности отлично совпадает с кривой ГГМ-п. Данный способ
54
эффективен для моделирования плотности при отсутствии данных ГГМ-п.
Рисунок 5.6. Синтез кривой плотности(скважина A)
В скважинах, где отсутствуют данные ГГМ-п, ещѐ можно методом BP
нейронной сети получить синтезированные данные ГГМ-п.
Выбираем скважину А, где существуют данные ГГМ-п, для того, чтобы
исследовать связь между ГГМ-п с другими методами ГИС. Из-за того, что во всех
скважинах существуют данные АК, ЭС, ГК, используем АК, ЭС, ГК в качестве
входных слоѐв BP нейронной сети, а ГГМ-п в качестве выходного слоя. Построим
функцию ГГМ-п от АК, ЭС, ГК в скважине А, как показано на рисунке 5.7, с
помощью метода BP нейронной сети, синтезированная плотность очень хорошо
совпадает с данными ГГМ-п. Значит, что полученная функция методом BP
нейронной сети надѐжна. После исследования BP нейронной сети, принимаем
полученную функцию в других скважинах, где отсутствуют данные ГГМ-п.
55
Рисунок 5.7. Метод нейронной сети для синтеза данные ГГМ-п (скважина A)
Следует отметить, что из-за высокой неоднородности сланцев по
пространству, метод BP нейронной сети для синтеза данных плотности не очень
надѐжен в некоторых регионах. Поэтому не рекомендуется применять этот метод
широко, лучше применяться только в скважинах, которые недалеко от скважины А,
из которой была построена функция ГГМ-п от АК, ЭС, ГК.
Таким образом получаем полную кривую плотности с поверхности и по
формуле (5.6) интегральным методом вычисляем геостатическое давление, которое
в средней и в нижней части пласта С7 изменяется с 32 МПа по 33 МПа, а в верхней
части пласта С9 с 35,5 МПа по 36,5 МПа.
5.1.5. Прогнозирование пластового давления
В настоящее время, широко применяется технология прогнозирования
пластового давления с помощью интерпретации данных ГИС.
Eaton метод, наиболее широко используемый метод для прогнозирования
56
порового давления в мире, который основан на своих опытах Eaton в Заливе
Мексики[21-24].
Давление, полученное Eaton методом, определяется по формуле (5.9):
𝑃𝑝 = 𝑃𝑜𝑣𝑒𝑟 − (𝑃𝑜𝑣𝑒𝑟 − 𝑃ℎ𝑦𝑑𝑟𝑜 ) × 𝛼 × (
𝐴𝐶
𝐴𝐶𝑛𝑜𝑟𝑚
)
𝑛
(5.9)
Где:
𝑃𝑝 —поровое давление, МПа;
𝑃𝑜𝑣𝑒𝑟 —геостатическое давление, МПа;
𝑃ℎ𝑦𝑑𝑟𝑜 —гидростатическое давление, МПа;
𝐴𝐶—акустическое показание по ГИСу, мкс/м;
𝐴𝐶𝑛𝑜𝑟𝑚 —акустическое показание в трендовой линии, мкс/м;
𝛼、 𝑛—коэффициент, 𝛼 = 1, 𝑛 = 3.
Eaton метод использует полу-логарифмическую трендовую линию в качестве
трендовой линии нормального уплотнения, как показано на рисунке 5.8.
Трендовая линия нормального уплотнения определяется по формуле (5.10):
log10 𝐴𝐶 = AC0 + 𝑘 × 𝑇𝑉𝐷
(5.10)
Где:
TVD—фактическая вертикальная глубина, м;
AC—акустическое отражение при нормальном уплотнении, мкс/м;
AC0 —акустическое отражение на поверхности.
57
Рисунок 5.8. Построение трендовой линии нормального уплотнения
Для калибровки трендовой линии акустического отражения при нормальном
уплотнении, импульсным методом проводится тестирование волновой скорости в
образце керна в лабораторных условиях. Применяют импульсы на одну сторону
образца, затем измеряют время прохода импульса до другой стороны. Совместно с
временем прохода и длиной образца можно вычислить продольную и поперечную
скорость волны в образце. При тестировании зонд возбуждения и зонд приѐма
тесно зафиксированы в двух сторонах образца связывающим агентом. Сравним
разницу фаз волны в двух зондах, вычисляем скорость волны. В ходе тестирования,
давление на образец постепенно увеличивается, измеряем соответствующие
скорости волны.
Полученный результат тестирования скорости продольной волны показано на
рисунке 5.9. Данный образец получен с глубины 1614,04 м, длина его 50,3 мм,
диаметр 25 мм. На правой части рисунка 5.9 показано как АК снижается по мере
увеличения давления. Следует, что по мере увеличении давления с 20 МПа по 90
58
МПа, АК изменяется с 210 мкс/м по 207 мкс/м. Сопоставляем с трендовой линией
правой части рисунка, на глубине 1614,04 м, АК в трендовой линии нормального
уплотнения примерно равно 210мкс/м. Трендовая линия нормального уплотнения
совпадает с результатами лабораторных анализов.
Рисунок 5.9. Результат тестирования скорости продольной волны в лаб. условиях
(Образец: длина 50,3 мм, диаметр 25 мм, глубина 1614,04 м)
При залегании аргиллита или сланца, мощность которого велика, если темп
залегания высокий, тогда пластовый флюид в крайней части аргиллита и сланца
может успешно вытекать из пород, а во внутренней части большая часть пластового
флюида остаѐтся в породе. Так для этой части пластового флюида образуется
«замкнутая система». В этой системе при залегании образуется аномально большое
поровое пространство. Флюид в этом пространстве не только выдержит
гидростатическое давление, но и стресс, который должен был выдержан скелетом,
то есть часть геостатического давления. Такова схема образования АВПД при
высоком темпе залегания.
После выноса керна, из-за маленького размера керна, «замкнутая система»
разрушится, поровая структура на поверхности перестоится, поровый флюид
59
перераспределится. После таких изменений, на поверхности аномальное высокое
давление в керне больше не существует. Образец при лабораторных условиях
показывает характеристики нормального уплотнения.
Поэтому лабораторные тестирования волновым методом эффективны для
калибровки линии нормального уплотнения.
Таким образом, получаем линию нормального уплотнения для скв. A, она
определяется по формуле (11):
log10 AC = −0,0305145 × TVD + 261,7091
(5.11)
Где:
АС—акустическое показание, мкс/м (мкс/м),
TVD—фактическая вертикальная глубина, м.
Как показано на рисунке 5.10, в средней и нижней частях пласта С7 и в
верхней части пласта С9 было прогнозировано аномальное высокое пластовое
давление.
Пластовое давление в средней и нижней частях пласта С7 и верхней части
пласта С9 изменяется от 20 МПа по 28 МПа, коэффициент давления (отношение
пластового давления к гидростатическому) изменяется от 1,3 по 2.
Рисунок 5.10. Результат прогнозирования пластового давления (скважина A)
60
На рисунке 5.11 показана корреляция скважин по прогнозированному
пластовому давлению. По всему региону было прогнозировано в средней, нижней
частях пласта С7 и в верхней части пласта С9 аномальное высокое пластовое
давление.
Рисунок 5.11. Корреляция скважин по прогнозированному пластовому давлению
Можно сделать следующие выводы после прогнозирования пластового
давления:
1. В средней и нижней частях пласта С7 и в верхней части пласта С9
существует аномальное высокое пластовое давление, которое изменяется от 20
МПа по 28 МПа.
2. В лабораторных условиях, импульсный метод тестирования образца
эффективен для калибровки линии нормального уплотнения.
3. Eaton метод эффективен при прогнозировании пластового давления в С
регионе Бассейна Ордос.
5.2. Прогнозирование пластовых температур
В исследовании традиционных нефти и газа, при определении свойств
пластовых флюидов, используемых для подсчѐта запасов, и также при
проектировании и осуществлении разработки продуктивного пласта, при
61
исследовании теплового поля земной коры, а также для решения разных задач,
которые связаны с цементированием скважин необходимо изучение пластовой
температуры.
В исследовании сланцевого газа, изучение пластовой температуры особенно
важно.
Пластовая
температура
непосредственно
влияет
на
содержание
адсорбционного газа. Адсорбция, это экзотермическая реакция. Многочисленные
исследования уже доказали, что чем выше пластовая температура, тем меньше
содержание адсорбционного газа. Поэтому расчѐт пластовой температуры очень
важен для подсчѐта запасов сланцевого газа.
Можно измерять температуру как в обсаженных так и в необсаженных
скважинах. Обычно до измерения пластовой температуры, необходимо закрыть
скважину примерно на 25 дней чтобы восстановить естественный режим
температуры, которую разрушило бурение и эксплуатация.
Однако в нашем регионе исследования, не хватает данных измерения
температуры. Известно, что с увеличением глубины температура пласта
повышается, хотя в разных регионах градиент температуры различен. Регион
исследования расположен в кратоне, тектоника которого стабильна. Поэтому
можно использовать средний градиент и приблизительно оценить пластовую
температуру. По литературным данным следует, что в Бассейне Ордос средний
градиент температуры составляет 2,8°на 100 м. То есть, при погружении на 100
метров, пластовая температура увеличивается на 2,8 градуса.
В качестве температуры на поверхности принимаем 15 °С.
Пластовая температура определяется методом линейной интерполяции по
формуле (5.12):
T = 𝑇0 + ∆T × TVD
Где:
T—пластовая температура, ℃;
𝑇0 —температура на поверхности, 15℃;
∆T—градиент температуры, 0,028℃/м.
(5.12)
62
TVD—фактическая вертикальная глубина, м.
Таким образом построена модель температуры. Пластовая температура
пласта С7 изменяется с 50℃ по 55℃, для С8, пластовая температура изменяется с
53℃ по 60℃, для С9, пластовая температура изменяется с 56℃ по 64℃.
63
Глава 6. Геохимические исследования органического вещества сланцевого
коллектора
Нефтематеринская свита — это совокупность пород, которые обогащены
автохтонными органическими веществами и могут генерировать углеводороды в
благоприятных условиях в значительных масштабах[25].
В исследовании сланцевого газа, сланец не только является коллектором для
сланцевого газа, и является нефтематеринской свитой для сланцевого газа.
Органическое
вещество
(ОВ)
является
важнейшим
генератором
углеводородов в осадочных бассейнах. Органическое вещество существует под
землѐй как в концентрированной, так и в рассеянной форме[26].
Важнейшие компоненты, извлекаемые из органического вещества. это
битумоиды и кероген.
Битумоиды—компоненты ОВ, извлекаемые из пород органическими
растворителями—хлороформом(CHCl3),
ацетоном,
спирто-бензолом,
бензолом,
петролейным
четырѐххлористым
углеродом
эфиром,
и
др.
Битумоиды—извлекаемые разными растворителями, отличаются друг от друга
количественно и качественно. Поэтому, когда говорим о битумоидах, необходимо
указать тип растворителей. На практике геохимического исследования наиболее
широко используются хлороформ и спирто-бензол. Поэтому соответственно
наиболее
широко
спирто-бензоловый
используются
битумоид
хлороформенный
(СББ).
По
степени
битумоид
связи
(ХБ)
и
битуминозных
компонентов с породой выделяются разнообразные типы битумоидов, один из
них—битумоид «А». Битумоид «А» извлекаемый из породы путѐм холодной и
горячей экстракции без предварительной обработки соляной кислотой. Тоже
известно как свободный битумоид «А» —ХБА.
В компонентном составе битумоидов выделяются фракции: масла, смолы,
асфальтены.
Нерастворимая в растворах щелочей и в органических растворителях часть
64
органического вещества называется керогеном. В России, кероген понимается
как синоним НОВ—нерастворимое органическое вещество. Кероген составляет
основную часть ОВ.
Исследования органического вещество включают в себя основно три
аспекта:
1) Термическая зрелость органического вещества;
2) Генетические типы органического вещества;
3) Содержание органического вещества.
6.1. Термическая зрелость органического вещества
В исследовании сланцевого газа, зрелость органического вещества имеет
очень важное значение. Зрелость непосредственно влияет на генерацию сланцевого
газа.
1. По органической теории образования нефти и газа, чем выше зрелость
органического вещества, тем выше способность генерации сухого газа.
2. В процессе образования углеводородов из керогена, по мере увеличения
термической зрелости керогента, пористость керогена увеличивается из-за
преобразования керогена в УВ. Чем больше пористость керогена, тем больше
пространство для скоплений сланцевого газа в свободном виде.
3. Многочисленные исследования уже доказали, что адсорбционный
сланцевый газ основно адсорбируется на поверхности ОВ. Чем выше термическая
зрелость ОВ, тем шире внутренняя поверхность ОВ. Поэтому чем выше зрелость
органического вещества, тем больше место для адсорбции сланцевого газа.
Из-за вышесказанных, термическая зрелость органического вещества имеет
очень важное значение в исследовании сланцевого газа.
Отражательная способность витринита является наилучшем параметром,
характеризующим зрелость органического вещества. Отражательная способность
витринита - это отношение интенсивности светового потока установленной длины
волны, отражѐнной от полированной поверхности витринита к интенсивности
65
светового потока, падающего перпендикулярно на эту поверхность [25].
Как показано в рисунке 6.1, с помощью анализа 26 образцов из 7 скважин,
полученный результат показывает, что коэффициент отражательной способности
витринита (Ro) сланцевого коллектора С7 изменяется в диапазоне 0,82% -1,12%.
Рисунок 6.1. Отражательная способность витринита пласта С7
Как показано на рисунке 6.2, на основе анализа 19 образцов из 6 скважин,
полученный результат показывает, что коэффициент отражательной способности
витринита (Ro) сланцевого коллектора С9 изменяется по диапазону 0,85% -1,12%.
Рисунок 6.2. Отражательная способность витринита пласта С9
66
Исходя из анализа отражательной способности витринита можно заключить,
что термическая зрелость органического вещества по сравнению с другими
коллекторами сланцевого газа в разных странах низкая. Нефтегазоматеринская
свита находится в стадии начала катагенеза (в нефтяном окне). Сланец не только
образует сланцевый газ но и нефть. Это сильно затруднило исследования
сланцевого газа.
6.2. Генетические типы органического вещества
Генетические типы органического вещества определяются на основе
углепетрографической и химической характеристики керогена.
Наиболее
органического
широко
используется
вещества,
классификация
разработанная
учѐным
Van
генетических
типов
Krevelen.
Данная
классификация разработана на основе структурно-химических признаков. С
помощью атомных соотношений
Н/С к О/С была разработана известная
диаграмма Van Krevelen. На диаграмме Van Krevelen, было выделено три типа
керогена.
I тип: Высокое содержание водорода и низкое углерода (начальное атомное
отношение Н/Cат высокое  более 1,5. Кислород находится главным образом в
сложноэфирных связях. В керогене преобладают алифатические структуры.
Содержание полиароматических ядер и гетерогенных связей невелико.
II тип: Содержание водорода достаточно высокое, но меньше, чем в I типе, а
кислорода  более высокое. В составе полиароматические ядра, гетероатомные
группы кетонов, карбоксильные группы кислот и сложноэфирные связи. В
гетероциклах обычно присутствует сера.
III тип: Содержание водорода незначительное (Н/С 1, О/С 0,20,3). В его
составе
преимущественно
конденсированные
полиароматические
ядра
и
кислородсодержащие функциональные группы при отсутствии сложноэфирных
группировок. Характерны алифатические цепочки, унаследованные от восков
высших растений.
67
В последствии учѐные Tissot и Welte усовершенствовали эту диаграмму. На
новой диаграмме изображены разные стадии эволюции керогена (рисунок 6.3).
Рисунок 6.3. Общая эволюция керогена на диаграмме Van Krevelen (Tissot, Welte)
В Китае чаще разделяют II тип на 2 подгруппы: II1 и II2. Соответствующие
определяющие параметры показаны в таблице 6,2.
68
Таблица 6.1. Классификация керогена ( 4 типы)
I тип
（сапропелевый）
IH
(S1+S2
)
H/C
O/C
II тип
II1 тип
II2 тип
（гумусо-сапропелевый） （сапропелево-гумусовый）
III тип
（гумусовый）
＞700
700—350
＜350—150
＜150
＞20
20—6
＜6—2
＜2
＞1,5
＜0,1
1,5—1,2
0,1—0,2
＜1,2—0,8
＞0,2—0,3
＜0,8
＞0,3
Один из эффективнейших методов количественной оценки геохимических
свойств
нефтематеринских
пород
является
пиролиз.
В
геохимических
исследованиях в С регионе был использован прибор «Rock-Eval». «Rock-Eval»
разработан во французском институте нефти под руководством J. Espitalie
(известный
геохимик).
«Rock-Eval»
представляет
собой
полностью
автоматизированный прибор, состоящий из двух микрореакторов, которые могут
быть нагреты в зависимости от требований анализа до температуры 850 С.
Скорость нагрева печи составляет от 0,2 до 50 С/мин, с шагом 0,1 С[25].
В данном регионе, с помощью 67 образцов из двух пластов (С7 и С9) из 5
скважин проводил анализ генетических типов керогена. Полученные данные
анализа пиролиза были изображены в диаграмме Van. Как показано в рисунке 6.4, с
помощью водородного индекса и максимальной температуры, при которой
произошѐл пиролиз (температура, соответствующая максимуму кривой пиролиза
СО2) были определены генетические типы керогена. Очевидно, что большинство
точек находится в области Ⅱ1 и Ⅱ2, часть точек находится в области Ⅰ.
Во-первых, исследование пиролиза показывает, что в пластах С7 и С9
преобладают Ⅱ1 и Ⅱ2 типы кероген, существует и часть Ⅰтипа керогена.
Во-вторых, из рисунка тоже можно видеть, что основные точки находятся в
основании диаграммы. Это соответствует низкой термической зрелости—началу
катагенеза.
69
Рисунок 6.4. Определение генетических типов керогена
6.3. Содержание органического вещества
Содержание органического вещества непосредственно влияет на потенциал
газообразования сланцевого газа. Органическое вещество - это материальная
основа генерации углеводородов. Чем выше содержание органического вещества,
тем выше способность генерации УВ.
Существуют разные методы для определения содержания органического
вещества в породах, среди которых, наиболее применяется параметр содержания
углерода органического происхождения (Сорг).
По содержанию углерода органического происхождения определяется
качество нефтематеринской свиты:
1) если Сорг<0,5%, неэффективно для генерация УВ;
2) если 0,5<Сорг<2%, эффективно и хорошо для генерация УВ;
3) если 2%<Сорг<4%, очень хорошо;
4) если 4%<Сорг, отлично для генерации УВ.
Американские учѐные Forsman J P и Hunt J M предложили использовать
поправочные коэффициенты для расчѐта реального содержания органического
вещества в породах разных стадий катагенеза. С учѐтом эволюционных стадий
преобразования
органического
вещества
в
углеводороды,
содержание
70
органического вещества определяется по формуле 6.1:
ОВ=Кпопра.*Сорг
(6.1)
Где:
ОВ—содержание керогена;
Кпопра—поправочный
коэффициент,
поправочный
коэффициент
может
определиться по таблице 6.2.;
Сорг—содержание углерода органического происхождения.
Таблица 6.2. Определение поправочного коэффициента для подсчѐта содержания органического
вещества( (Forsman J P, Hunt J M. , 1958)[27]
Тип керогена
Стадия
I
II
III
Угли
Диагенез
1,25
1,34
1,48
1,57
Начало катагенеза
1,22
1,26
1,33
1,35
Конец катагенеза
1,20
1,19
1,18
1,12
В С регионе, в сланцевых коллекторах верхнего отдела триасовой системы
преобладают Ⅱ 1 и Ⅱ 2 типы керогена, зрелость ОВ невысока, поэтому для
дальнейших исследований в качестве поправочного коэффициента используют
значение 1,26 ( или разделить на 0,8).
По
полученным
данным
анализа
пиролиза,
сделана
гистограмма
распределения содержания углерода органического происхождения (рисунок 6.5)
в разных пластах в изучаемом регионе.
Следовательно,
содержание
углерода
органического
происхождения
изменяется в широком диапазоне 0% - 8%, и в основном изменяется с 3,5% по 7%.
Отсюда следует, что содержание органического вещества высоко, и слой имеет
огромный потенциал для генерации углеводородов.
В
слое
С7-2,
распределение
Сорг
примерно
нормально,
вершина
распределения находится примерно в 5%, главная зона изменения—3,5%-6%. Это
показывает, что сланец имеет высокий потенциал для образования УВ.
71
В слое С7-3, из-за того, что образцов немного, поэтому характеристики
нормального распределения не так очевидны. Но несомненно, что содержание
углерода органического происхождения изменяется с 4% по 8%. Это выше, чем
содержание углерода органического происхождения в слое С7-2.
В верхней части пласта С9, распределение Сорг очень похоже на
распределение Сорг в слое С7-3, которое изменяется, главным образом, с 4% по 8%,
что выше, чем Сорг в слое С7-2.
Рисунок 6.5. Распределение Сорг в целевых пластах
Из вышеприведѐнных лабораторных анализов, можно сделать следующие
выводы:
72
1. Отражательная способность витринита в пластах изменяется с 0,82% по
1,12%, из-за того, что глубина залегания пласта С9 глубже глубины залегания
пласта С7. Поэтому отражательная способность витринита в С9 в одной же
скважине выше чем в С7. Отражательная способность витринита показывает, что
сланцевые пласты находятся в стадии начала катагенеза, иными словами, в окне
образования нефти, поэтому в пластах образуется не только нефть, но и газ.
2. Исследования тип керогена показывает, что в изучаемых пластах
преобладают Ⅱ1 и Ⅱ2 типы керогена, которые обогащены водородом и имеют
высокий потенциал образования и нефти и газа.
3. Содержание углерода органического происхождения изменяется с 3,5% по
8%, в основном больше чем 4%. Это значит, что содержание органического
вещества очень высоко, условия благоприятны для формирования сланцевой
залежи. Среди пластов, Сорг С7-3 и верхней части пласта С9 больше чем в С7-2.
4. В изучаемых пластах и образуются как нефть, так и газ, что делает
исследования сланцевого газа более сложным.
6.4. Прогнозирование содержания углерода органического происхождения
(Сорг)
6.4.1. Оценка Сорг методом интерпретации данных ГИС
Хотя с помощью пиролиза и можно анализировать содержание углерода
органического происхождения с высокой точностью, но этот метод имеет два
недостатка:
1. Чтобы проводить эксперименты в лабораторных условиях, необходим
образец сланцевого коллектора. Однако вынос керна и приготовление образца
стоит дорого;
2. Результат пиролиза даѐт оценку Сорг в виде вертикальных непрерывных
точек, но вертикальная разрешающая способность оценки низка.
Чтобы увеличивать вертикальную разрешающую способность оценки Сорг, и
снизить расходы на анализ содержания органического вещества, многие учѐные
73
разных стран уже успешно прогнозировали Сорг разными методами с помощью
данных ГИС.
Несмотря на то, что исследования сланцевого газа начаты совсем недавно,
но один из важнейших геохимических параметров нефтегазоматеринской свиты
— Сорг, изучается уже больше полувека.
В 1967 г. американские учѐные Tixier, M.P.、Curtis, M.R. с помощью ГГМ-п и
АК прогнозировали Сорг нефтяного сланца Бассейна Piceance Creek Западной
Каролины США[28].
В 1981 г. Schmoker с помощью ГК и ГГМ-п оценил Сорг сланца (6,2)
Девонской
свиты
в
Аппалачи
Бассейне
и
предложил
модель
для
прогнозирования[29]:
^phgro＝(^ggrB－^ggr) ÷1,378A
(6,2)
Где:
^ggr—показание ГМ, мкР/час(микрорентгены в час) или эквивалентные
единицы API ;
^ggrB—показание ГМ в сланцевом пласте, который небогат органическим
веществом;
A—перехват в кроссплот ГМ и ГГМ-п.
В 1983 г. коллектив авторов Schmoker и др. в ходе исследования чѐрного
сланца
Миссисипи
и
Девонской
свиты
Виллистон
Бассейне
предлагал
прогнозировать Сорг с помощью ГГМ-п, сопоставив результат прогнозирования с
геохимическим анализом из 39 скважин. Результат превзошѐл все ожидания.
Средняя абсолютная погрешность составляет 1,1%[30]. Формула прогнозирования
определяется по формуле (6,3):
TOC＝(154,497÷^rgr)－57,261 (6,3)
Где:
^rgr—показание ГГМ-п, г/см3.
В 1984 г. B. L. Meyer с другими учѐными первыми в мире определил
нефтегазоматеринские породы путѐм сочетания ГГМ-п с ЭС и сочетания АК с
74
ЭС[31].
В 1985 г. Mendelson и другие учѐные путѐм сочетания АК-НК-ГМ
подсчитывали объем органического вещества.
В 1990 г. Passey предложил метод △LogR, с помощью АК, ГГМ-п, НК, ЭС, не
только определил сланец, обогащѐн органическим веществом, и количественно
оценил содержание углерода органического происхождения[32].
В 1996 г. Zehui Huang методом нейронной сети, сочетанием ГМ, НК,
Диаграммы, ГГМ-п, установил количественную связь между Сорг и физическими
свойствами породы, которые определяются с использованием методов ГИС[33].
Среди этих способов, метод △LogR наиболее широко применяется разными
нефтяными
компаниями
и
исследовательскими
центрами
в
оценке
нефтематеринских пород.
6.4.2. Метод △LogR
Регулируя масштаб каротажных кривых пористости (АК, НК, ГГМ-п) и
сопротивления (пластовое сопротивление), чтобы они совпадали в пласте
аргиллита или сланцевом пласте с низким сопротивлением. Из-за того, что
кероген, нефть, газ обладает высоким сопротивлением, низкое сопротивление
показывает низкое содержание или без ОВ и УВ. Когда в пласте в значимых
количествах присутствуют ОВ или УВ, кривые расходятся:
1) Кероген и нефть, газ обладают высоким электрическим сопротивлением;
2) Кероген, нефть и газ обладают высоким временем пробега волн;
3) Газ обладает низким водородным индексом.
Чем больше содержание ОВ( кероген или нефть, газ), тем больше
расхождение кривых пористости и сопротивления. Поэтому, расхождение кривых
в методе △LogR хорошо отражает содержание ОВ в пласте, можно применяться
как показатель содержания ОВ.
Как показано в рисунке 6,6, в зоне А, где литология основно представляет
аргиллитом, ГМ каротаж показывает низкое показание, глубокое сопротивление
75
примерно равно 60 ом, время пробега волны равно 210 мкс/м (величина, обратная
времени распространения упругих волн), три показания показывает, что в пласте
мало содержит органическое вещество.
Масштаб каротажных кривых ЭС и АК, регулируют так, чтобы они
совпадали друг с другом в зоне А. После этого, в зоне В отражается расхождение.
Зона В считается зоной, богатой ОВ. Это есть метод △LogR.
Рисунок 6.6. Метод △LogR
Первым этапом применения метода △LogR служит выбор регионального
базального значения для каждой кривой, то есть значение каротажной кривой в
зоне с низким содержанием органического вещества.
Как показано в рисунке 6.7, красный прямоугольник показывает аргиллит с
низким
содержанием
ОВ.
Кривую
пористости
совмещают
с
кривыми
сопротивления так, чтобы они совпадали в этой зоне. Значения разных кривых в
этой зоне является базальными значениями. В результате, установлены базальные
76
значения для разных кривых:
ЭСБАЗ=50 ом, АКБАЗ=210 мкс/м, НКБАЗ=15%, ГГМ-пБАЗ=2,57 г/см3.
Рисунок 6.7. Выбор регионального базального значения для каротажной кривой
Сначала, методом △LogR оценивается содержание углерода органического
происхождения с помощью АК-ЭС.
Эта комбинация наиболее широко применяется в разных месторождениях в
разных странах. В исследовании сланцевого газа, многие учѐные с помощью этой
комбинации
уже
успешно
оценили
содержание
углерода
органического
происхождения в пласте, в результате чего обобщается эмпирическая
формула,
которая определяется по формуле (6.4):
Сорг(модель)_ак＝(Log(ЭС/ЭСБАЗ)+0,02×(АК－АКБАЗ)) ×К
(6.4)
Где:
Сорг(модель)_ак—Оценка
содержание
углерода
органического
77
происхождения методом △LogR с помощью ЭС-АК, %;
ЭС—показание глубокого электрического сопротивления пласта, ом;
ЭСБАЗ—базальное значение электрического сопротивления, ом, ЭСБАЗ=50 ом;
АК—показание времени пробега волн, мкс/м;
АКБАЗ—базальное значение времени пробега волн, мкс/м, АКБАЗ=210 мкс/м;
К—показатель зрелости ОВ, без единиц.
Следует отметить, что в формуле 6.4, внутренняя часть скобок, то есть
Log(ЭС/ЭСБАЗ)+0,02*(АК－АКБАЗ), отражает расхождение между кривыми.
При своих исследованиях, компания Шлюмберже обобщала эмпирическую
формулу для определения показателя зрелости, формула определяется по формуле
(6.5):
К＝10(2,297－0,1688LOM) (6.5)
Где: LOM(Level of maturity)—степень зрелости, изменяется с 6 по 14, как показано
на рисунке 6.8, по умолчанию равно 8,5 для газового сланца, равно 10,5 для
нефтяного сланца.
Рисунок 6.8. Степень зрелости vs отражательная способность витринита
Следует отметить, что эти эмпирические формулы получены при
исследовании сланцевого отложения с морской фацией. В изучаемом регионе,
пласты представляют собой континентальные отложения, эта разница может
78
вызывает значительную разницу при оценке Сорг.
В С регионе, отражательная способность витринита изменяется по
диапазону 0,82% - 1,12%, если просто взять опыт исследования сланцевого газа,
тогда значение LOM равно 10, соответствующее значение K равно 4,06, результат
прогнозирования Сорг показан на рисунке 6.9. Очевидно, что если мы просто
применяем эмпирические параметры для газового сланца, тогда результат оценки
значительно выше результат лабораторного анализа. Такой тренд можно доказать
во всем регионе, применяя эмпирические параметры.
Рисунок 6.9. Результат оценки Сорг, применяя эмпирические параметры для пласта сланцевого газа
Применяя поправочный параметр S для коррекции модели прогнозирования
Сорг, как показано в формуле 6.6:
Сорг(модель)_ак＝(Log(ЭС/ЭСБАЗ)+0,02×(АК－АКБАЗ)) ×К×S
(6.6)
Применяя 1 в качестве начального значения S, снижем S по шагу 0,01 для
коррекции модели. После каждого снижения, методом линейной регрессии
79
оценивается
результат
моделирования.
Сопоставляя
результат
регрессии,
выбираем оптимальное значение S — когда значение коэффициента корреляции
максимально.
В данном регионе, когда S равно 0,59, кроме как в одной скважине (L)
коэффициент корреляции линейной регрессии между Сорг лабораторного анализа
(Сорг(Лаб)) и Сорг прогноза (Сорг(модель)_ак) по-прежнему низкий, в остальных
скважинах результат довольно хороший (рисунок 6.10).
Рисунок 6.10. Результат оценки Сорг после коррекции
Следует думать, что поправил поправочный коэффициент в формуле 6.6?
Если поправочный коэффициент поправил только показатель К, иными словами,
80
разница прогноза Сорг между высокозрелым сланцем и сланцем изучаемого
региона (низкозрелый сланец) вызван разницей зрелости, тогда значит К
чрезмерно велик. При умножении К на поправочный коэффициент получается
2,29, соответствующий LOM равен 11,37. С помощью рисунка 6.8 можно
получить значение отражательной способности витринита—1,2125%. Это
значение выше региональной отражательной способности витринита. Значит
поправочный
коэффициент
поправил
ещѐ
расхождение
между
двумя
каротажными кривыми.
По сравнению с высокозрелым сланцем, поры низкозрелого сланца
заполняются нефтью и газом, а не только газом, что вызывает уменьшение
расхождения между каротажными кривыми АК-ЭС:
1) Время пробега волн в газе больше чем в нефти на 30-50 мкс/м;
2) Электрическое сопротивление метана выше чем сопротивление нефти.
Аналогично, применяем комбинацию ГГМ-п с ЭС для оценки содержания
углерода органического происхождения.
Если просто применить эмпирические формулы (6.7) для оценки, результат
получается очень плохим, закономерности не прослеживаются.
Сорг(модель)_гг＝(Log(ЭС/ЭСБАЗ)－2,5×(ГГМ-п－ГГМ-пБАЗ)) ×К
(6.7)
Где:
Сорг(модель)_гг—Оценка
содержание
углерода
органического
происхождения методом △LogR с помощью ЭС-ГГМ-п, %;
ГГМ-п—показание ГГМ-п, г/см3;
ГГМ-пБАЗ—региональное базальное значение ГГМ-п, г/см3, ГГМ-пБАЗ=2,57
г/см3.
Аналогично применяем поправочные коэффициенты m и n для коррекции
модель прогноза Сорг с помощью ЭС-ГГМ-п, модель определяется по формуле 6.8:
Сорг(модель)_гг＝(Log(ЭС/ЭСБАЗ)+m×(ГГМ-п－ГГМ-пБАЗ)) ×n
(6.8)
С помощью математических пакетов Matlab, применяя метод наименьших
квадратов для анализа линейной регрессии, выбираем оптимальное значение m и
81
n для модели прогноза Сорг. Полученное значение m равно 13, а n равно 2,75.
Полученный результат прогноза показан на рисунке 6.11. Из рисунка следует,
что кроме скважины L Сорг прогноза (Сорг(Модель)-гг) выше, чем Сорг
лабораторного анализа (Сорг(Лаб)), в остальных скважинах результат довольно
хороший.
Рисунок 6.11. Оценка Сорг с помощью ЭС-ГГМ-п после коррекции
В конце, применяем комбинацию ЭС-НК для оценки содержания углерода
органического происхождения. Если просто применяем эмпирические формулы
(6.9) для оценки Сорг, полученный результат показан аналогично — результат
82
прогноза очевидно выше чем результат лабораторного анализа.
Сорг(модель)_нк＝(Log(ЭС/ЭСБАЗ) +4×(НК－НКБАЗ)) ×К
(6.9)
Где:
Сорг(модель)_нк—Оценка
содержание
углерода
органического
происхождения методом △LogR с помощью ЭС-НК, %;
НК—показание нейтронного каротажа, %;
НКБАЗ—региональное
базальное
значение
нейтронной
кривой,
%,
НКБАЗ=15%.
Аналогично применяем поправочный коэффициент S для коррекции модель
прогноза Сорг с помощью ЭС-НК, модель определяется по формуле 6,10:
Сорг(модель)_нк＝(Log(ЭС/ЭСБАЗ) +4×(НК－НКБАЗ)) ×К×S
(6,10)
Тоже с помощью математических пакетов Matlab, снижая S по шагу 0,01,
применяя метод наименьших квадратов для анализа линейной регрессии,
выбираем оптимальное значение S для модели прогноза Сорг. Полученное
значение S равно 0,71. Результат оценки Сорг показан на рисунке 6.12.
Рисунок 6.12. Оценка Сорг с помощью ЭС-НК после коррекции
Показанные выше три модели положительны для оценки содержания
83
углерода органического происхождения.
Чтобы выяснить, какая модель
эффективнее для оценки Сорг, следует сравнить результат прогноза Сорг из трѐх
моделей.
Выбирая скважину С для оценки оптимальных моделей, методом линейной
регрессии сопоставляем результат прогноза из трѐх моделей с результатом
лабораторного анализа (рисунок 6.13). Оказалось, что:
1. На рисунке регрессии результата прогноза с помощью комбинации ЭС-АК
с результатом лабораторного анализа, линия регрессии очень близка к линии Y=X,
все точки расположены равномерно с двух сторонах линии Y=X. Коэффициент
корреляции равен 0,542. Следовательно, результат положителен.
2. На рисунке регрессии результата прогноза с помощью комбинации
ЭС-ГГМ-п с результатом лабораторного анализа, линия регрессии тоже очень
близка к линии Y=X. Все точки тоже расположены равномерно с двух сторон от
линии Y=X. Но очевидно, что точки расположены более рассеянно по сравнению
с комбинацией ЭС-АК. Из-за этого, коэффициент корреляции ниже чем при
комбинации ЭС-АК и равен 0,528. Результат тоже положителен, но хуже чем при
комбинации ЭС-АК.
3. На рисунке регрессии результата прогноза с помощью комбинации ЭС-НК
с результатом лабораторного анализа, линия регрессии не так близка к линии Y=X,
очевидно находится под линией Y=X. Значит, оценѐнное Сорг ниже реального
значения (Сорг лабораторного анализа).
Из вышеизложенного следует, что если просто применять одну комбинацию,
тогда в С регионе следует применить комбинацию ЭС-АК, которая эффективнее
для прогнозирования содержания углерода органического происхождения.
84
Рисунок 6.13. Линейная регрессия Сорг разных моделей и Сорг лабораторного анализа
6.4.3. Повышение эффективности прогнозирования Сорг
Хотя и выяснено, что комбинация ЭС-АК эффективнее для прогнозирования
Сорг, но в оценке содержания углерода органического происхождения в изучаемом
регионе данная комбинация не годится для всех скважин.
Как показано в рисунке 6.14, с помощью АК и ЭС, содержание углерода
органического происхождения сланцев прогнозируется методом △LogR. До
нормирования данных ГИС, модель прогнозирования Сорг приемлема для скважин
H и D, но для скважин F и L, полученный прогноз (TOC_model) не соответствует
данным лабораторного анализа (TOC).
85
Рисунок 6.14. Прогнозирование Сорг до нормирования данных ГИС
На рисунке 6.14, красные точки - это результаты лабораторного анализа Сорг
методом пиролиза. Если рассматривать результаты лабораторного анализа Сорг,
выбирая скважины H, L, D из рисунка 6.14 (у скважины F мало данных
лабораторного анализа), построив гистограммы, как показано на рисунке 6.15,
распределение Сорг трѐх скважин окажется очень близким друг к другу. Главная
вершина находится в диапазоне 3,8%-5,8%. Тем не менее, все эти данные относятся
к одному пласту.
Рисунок 6.15. Гистограмма лабораторного анализа Сорг пласта С7-2 в разных скважинах
Как известно, данные ГИС состоят из трѐх компонентов: истинные сигналы,
отражающие свойства пород, случайный шум, систематические ошибки[13].
Систематические ошибки вытекают из следующих причин: 1) разных приборов, 2)
разной шкалы приборов, 3) разных операций, 4) разных времѐн проведения
86
геофизических исследований.
Neinast и Knox впервые публиковали статьи на тему нормирования данных
ГИС[34]. Впоследствии Patchett и Coalson(1979), Lang(1980), Reimer(1985) тоже
доказали необходимость проведения нормирования данных ГИС конкретными
примерами и предложили разные способы нормирования.
Целью проведения нормирования данных ГИС являются снижение
систематических ошибок, повышение надѐжности данных ГИС. Теоретическая
основа нормирования данных ГИС заключается в том, что в одной фазовой
зональности, одинаковые породы обладают похожими физическими свойствами,
которые определяются с помощью методов ГИС, особенно максимальными и
минимальными
значениями
конкретного
метода
ГИС
в
определѐнном
интервале[35].
В рисунке 6.14, лабораторный анализ соответствует теории «в одной фазовой
зональности, у одинаковых пород сходные свойства», то есть, у них должны быть
похожие показания ГИС. Однако, как видно на рисунке 1, в скважинах F и L при
использовании одинаковой модели для прогнозирования Сорг получаются
расхождения.
Из вышесказанного следует, что данные ГИС не точны, существуют
систематические
ошибки,
из-за
этого
прогнозирование
не
соответствует
лабораторным анализам, и для повышения эффективности прогнозирования Сорг
необходимо проводить нормирование.
Выбор эталонной зоны является геологической основой для нормирования
данных ГИС. Существуют некоторые правила для выбора:
1. Зона должна иметь значительную толщину и быть представленной
стабильной литофацией.
2. Зона должна быть представлена во всем регионе, фиксироваться во всех
скважинах и еѐ толщина должна быть относительно постоянной.
3. Характеристики кривых ГИС должны быть отчѐтливыми, изменения в
них должны быть регулярными и легко прослеживаться во всем регионе.
87
Верхний отдел триаса однозначно выделяется на десяти пластах С1-С10, из
которых, С7 и С9 являются целевыми пластами для сланцевого газа. Структура
является моноклиналью в осадочном чехле древней платформы и падает в
направлении с востока на запад. Структура простая и тектоника района
исследования стабильна. Пласты С7 и С9 в основном принадлежат к полуглубокой
и глубокой озѐрным фациям.
Главной
целью
нормирования
данных
ГИС
является
снижение
систематических ошибок и одновременно сохранение истинного изменения,
поэтому главная задача для нас: как наилучшим образом сохранить истинные
изменения, снижая систематические ошибки. Для этого, сначала, на основе района
с хорошо изученным геологическим строением, с помощью фациального контроля
разделить пласт С7 на три слоя, С7-1, С7-2, С7-3. В результате оказалось, что весь
слой С7-2 находится в полуозѐрной фации.
На рисунке 6.16 видно, что при литологическом расчленении пласта С7,
верхняя его часть пласта состоит, главным образом, из песчаника. Его показание
АК ниже, чем в остальной части пласта С7, плотность (ГГМ-п) сравнительно
высока, и электрическое сопротивление повышенное. В основном, С7-1 содержит
мало органических веществ.
Весь слой С7-2 принадлежит к полуглубокой озѐрной фации во всем районе
изучения. Слой С7-2 состоит, главным образом, из сланца и насыщен
органическим веществом. Геофизические признаки слоя С7-2 характерны – низкая
плотность (из-за высокого содержания органического вещества), высокое
показание АК, высокое показание ЭС (из-за высокого удельного сопротивления
газа и нефти), высокое показание НК (из-за высокого газосодержания). Эти
характеристики сильно отличаются от вышележащего слоя С7-1, что хорошо
прослеживаться во всем районе исследования.
88
Рисунок 6.16. Показания ГИС и литологический состав пласта С7 в эталонной скважине
Исходя из вышележащих, выбираем слой С7-2 в качестве эталонной зоны.
Тоже существуют некоторые правила выбора эталонной скважины:
1. У эталонной скважины должен присутствовать сравнительно полный
комплекс данных ГИС.
2. У эталонной скважины должны иметься сравнительно полные данные
лабораторного анализа.
3. Эталонной скважине предпочтительнее располагаться в центральной части
района исследования чем на его периферии.
4. В эталонной скважине, должна быть хорошая связь между данными ГИС и
результатами лабораторного анализа.
Как показано на рисунке 6.17, скважина A находится примерно в центре
района исследования, и плюс к этому, у скважины данные сравнительно полные.
89
Исходя из вышележащих, выбираем скважину A в качестве эталонной
скважины.
Рисунок 6.17. Расположение эталонной скважины ( красная скважина)
До сих пор, по всему миру уже существуют многие примера применения
нормирования данных ГИС в различных залежах. В итоге, в основном существует
три метода нормирования данных ГИС: метод гистограммы, метод среднего
значения, метод анализа трендовой площади[36].
Метод среднего значения, также известный, как метод нормирования с
помощью одного пласта. Вычисляя среднее значение какого-нибудь метода ГИС в
одном пласте (слое) для каждой скважины, сопоставляем полученное значение
каждой скважины со средним значением данного пласта в эталонной скважине,
после этого, изменяем кривую ГИС, чтобы среднее значение данного метода ГИС
в каждой скважине оказалось равно значению в эталонной скважине. Как
показано в таблице 6.3, при проведении нормирования акустического каротажа,
мы выбрали скважину A в качестве эталонной скважины, и слой С7-2 в качестве
эталонной зоны, полученное среднее значение в эталонной скважине для
калибровки равно 253,695 мкс/м. По формуле нормирования Y＝k×X＋b изменяем
90
кривую ГИС каждой скважины, что среднее значение полученной кривой в
эталонной зоне было равно 253,695 мкс/м.
Таблица 6.3. Проведения нормирования методом среднего значения
Метод
Зона
H
C7-2
AC
Нормирование
234,853
G
C7-2
AC
Нормирование
235,544
F
C7-2
AC
Нормирование
251,50
E
C7-2
AC
Нормирование
243,66
D
C7-2
AC
Нормирование
231,28
C
C7-2
AC
Нормирование
236,43
B
C7-2
AC
Нормирование
256,46
A
C7-2
AC
Калибровка
253,695
I
C7-2
AC
Нормирование
233,58
J
C7-2
AC
Нормирование
235,74
K
C7-2
AC
Нормирование
235,682
L
C7-2
AC
Нормирование
235,628
M
C7-2
AC
Нормирование
257,322
N
C7-2
AC
Нормирование
248,376
O
C7-2
AC
Нормирование
233,39
P
C7-2
AC
Нормирование
236,541
ГИС
Операция
Сред. значение до
Скв.
нормирования(мкс/м.)
При вычислении среднего значения, необходимо обратить внимание на
аномальные значения данных ГИС, которые могут сильно влиять на среднее
значение.
Одним
из
эффективных
статистических
методов
исключения
аномальных значений является построение диаграмм «ящик с усами».
На рисунке 6.18 показана такая диаграмма. В качестве доверительного
интервала выбраны 5%, 95%. Данные, выходящие за границы усов отображаются
на рисунке в виде точек, это аномальные значения, подлежащие исключению.
После этого производится вычисление среднего значения и нормирование как
показано в таблице 6.3.
91
Рисунок 6.18. Исключение аномальных значений АК геостатистическим методом «ящик с усами»
(разные цвета обозначают разные скважины)
Следует обратить внимание на то, что, как показано в рисунке 6.19, при
обработке
данных
распространения
ЭС
по
сопротивлению,
отражения,
из-за
для
статистического
широкого
интервала
анализа
изменения
электрического сопротивления, приходится использовать логарифмическую
шкалу.
Рисунок 6.19. Исключение аномальных значений ЭС геостатистическим методом – «ящик с усами»
(разные цвета обозначают разные скважины)
Для статистического анализа данных ГИС используют гистограммы.
Вычисляя доверительный интервал распределения данных этого метода ГИС в
разных скважинах, в эталонной зоне в качестве доверительного интервала, в
данном методе принимают 5-й и 95-й процентил распределения данных
какого-нибудь метода ГИС. Изменим кривую ГИС по формуле нормирования,
чтобы нижнее и верхнее значения доверительного интервала в эталонной зоне
92
(слое С7-2) были равны значениям доверительного интервала в эталонной
скважине. Таким образом, проводим нормирование методом гистограммы, как
показано в таблице 6.4.
Таблица 6.4. Проведение нормирования методом гистограммы
Сква.
Зона
Метод
ГИС
Операция
Минимальный
Максимальный
значение до
значение до
нормирования(мкс/м.)
нормирования(мкс/м.)
H
C7-2
ЭС
Нормирование
60,4234
117,80
G
C7-2
ЭС
Нормирование
61,2844
626,01
F
C7-2
ЭС
Нормирование
73,5707
104,58
E
C7-2
ЭС
Нормирование
21,1501
1216,34
D
C7-2
ЭС
Нормирование
58,8954
141,44
C
C7-2
ЭС
Нормирование
70,4287
306,75
B
C7-2
ЭС
Нормирование
49,4425
580,738
A
C7-2
ЭС
Калибровка
51,6078
677,0634
I
C7-2
ЭС
Нормирование
62,9023
102,97
J
C7-2
ЭС
Нормирование
75,4607
443,07
K
C7-2
ЭС
Нормирование
57,4749
114,977
L
C7-2
ЭС
Нормирование
57,2724
94,48
M
C7-2
ЭС
Нормирование
56,2858
870,66
N
C7-2
ЭС
Нормирование
46,5234
755,86
O
C7-2
ЭС
Нормирование
29,5125
954,94
P
C7-2
ЭС
Нормирование
49,0154
103,25
В верхней части рисунка 6.20 показано распределение сопротивления разных
скважин в эталонной зоне. Каждая кривая обозначает одну скважину, среди них,
синяя
кривая
обозначает
эталонную
скважину,
соответствующие
синие
вертикальные линии обозначают доверительный интервал сопротивления в
эталонной скважине. А в нижней части рисунка показано распределение
сопротивления после нормирования. Из сопоставления двух частей следует, что
после нормирования, у всех кривых (то есть у всех скважин) одинаковый
доверительный интервал в эталонной зоне.
93
Рисунок 6.20. Сопоставление распределения данных ЭС в эталонной зоне C7-2 до и после
нормирования
Теоретической основой метода трендовой площади является то, что
геологический параметр изменяется по пространству по какому-то закону[34].
Обычно показание ГИС по вертикали и по латерали изменяется закономерно,
отражая природный закон, соответствующий определѐнным геологическим
характеристикам. Можно построить геологическую трендовую площадь какого-то
параметра вычисленным методом, с помощью этой трендовой площади изменяем
показание ГИС, чтобы они совпадали с геологическим законом, снижая
систематические ошибки, это называется методом трендовой площади.
Трендовая площадь строится на основе координат, используя координаты X,
Y в качестве переменной величины, а значение определѐнного метода ГИС в
качестве зависимой переменной. Таким образом анализируем как значение
определѐнного метода ГИС изменяется в пространстве. Для нормирования данных
ГИС метод трендовой площади эффективен когда в районе исследования, где фонд
скважин достаточно плотный.
94
В данном регионе, в настоящее время имеется не более 20 специальных
сланцевых
скважин, площадь района исследования велика, и
наиболее
существенной проблемой является то, что когда используется метод трендовой
площади, в полученной формуле, коэффициенты перед координатами очень малы.
Это часто приводит к искажению истинного отражения геологической ситуации.
Поэтому в данном регионе метод трендовой площади не применяется.
Как показано на рисунке 6.14, после нормирования данных ГИС, методом
△LogR была построена модель для прогнозирования содержания углерода
органического происхождения (TOC) в таких же скважинах, полученный
результат показан в рисунке 6.21. Очевидно, что после нормирования,
эффективность прогнозирования Сорг сильно повысилась. После нормирования,
полученная единая модель прогнозирования содержания углерода органического
происхождения можно применяться в скважинах F и L.
На рисунке 6.22 показан результат линейной регрессии прогнозированного
Сорг (TOC_model) с результатом анализа пиролиза (TOC_пиролиз). Полученное
значение R2=86%, из чего следует что прогноз надѐжный.
Рисунок 6.21. Прогнозирование Сорг после нормирования данных ГИС
95
Рисунок 6.22. Линейная регрессия прогнозированного Сорг (TOC_model) с результатом анализа
пиролиза (TOC_пиролиз)
Результат применения данной модели во всем регионе показан в рисунке 6.23.
С одной стороны, из рисунка 6.23 следует, что после нормирования, модель
прогнозирования Сорг можно эффективно применять во всем регионе, с другой
стороны,
проведение
нормирования
данных
ГИС
необходимо
при
прогнозировании Сорг для сланцевого газа.
Рисунок 6.23. Корреляция прогнозирования Сорг по профилю с севера на юг данного региона
Из
работы
повышения
эффективности
прогнозирования
углерода
органического происхождения можно сделать следующие выводы:
1.
Нормирование
данных
ГИС
позволяет
эффективно
повысить
эффективность прогнозирования Сорг.
2. Не существует метода, одинаково применимого ко всем регионам Мира.
96
Не существует абсолютно универсального метода. В разных геологических
ситуациях геологам необходимо самим выбрать подходящий метод для своего
района исследований.
3. В процессе нормирования данных ГИС важнее всего выбор эталонной
зоны и эталонной скважины. Чтобы максимально снизить влияние разных фаций,
разных литологических составов на показания ГИС, эффективно снизить
систематические ошибки и одновременно отстать истинные изменения в
показаниях ГИС, следует выбрать зону, которая имеет отчѐтливые характеристики
ГИС и стабильно распространяется, прослеживаясь во всем регионе. Общая
толщина зоны не обязательно велика, но лучше, если она находится в одной
фации и имеет сходный литологический состав во всем регионе.
4. При нормировании предполагаем, что на самом деле существует
эталонная скважина, у которой «истинные» показания ГИС. Поэтому выбор
эталонной скважины очень важен. Выбор основывается на хорошем знании
геологической ситуации. Необходимо выбирать скважину, находящуюся в центре
района исследования, имеющую сравнительно полный комплекс данных
лабораторного анализа керна.
5. При нормировании, необходимо учитывать шкалу данных ГИС. Например,
для нормирования АК, ГК, НК, ГГМ-п используем линейную шкалу, а для
нормирования ЭС применяется логарифмическая шкала.
97
Глава 7. Геофизические исследования для определения параметров
сланцевого коллектора
При подсчѐте запасов широко используются геофизические методы
определения коллекторских свойств и нефтегазонасыщения [37].
В традиционном изучении коллекторских свойств по данным промысловой
геофизики обычно определяют следующие основные параметры коллекторов:
1. общая и эффективная мощность пласта;
2. общая пористость и эффективная пористость;
3. положение водонефтяного контакта (ВНК), газонефтяного контакта
(ГНК),
4. коэффициент нефтенасыщенности и газонасыщенности;
5. коэффициент проницаемости.
В отличие от традиционных, сланцевый коллектор имеет следующие
особенности:
1. Сланцевый коллектор обладает особо низкой пористостью. Обычно его
пористость меньше 10%, и часто меньше 5%. Эффективная пористость для
фильтрации флюидов почти не имеет значения. Традиционные методы измерения
пористости керна неэффективны. Для измерения пористости сланцевых кернов
широко применяется метод интрузии ртути под высоким давлением или
импульсный метод и другие методы.
2. Сланцевый коллектор обладает особо низкой проницаемостью. Можно
сказать, что сланцевый коллектор почти не обладает способностью фильтрации.
Обычно проницаемость сланцевого коллектора меньше 1 мД. По сравнению со
сланцевым, в исследовании традиционных коллекторов, они разделяются на три
типа: низкопроницаемый (0 мД<Кпр<100 мД), среднепроницаемый (100
мД<Кпр<500 мД) и высокопроницаемый (500 мД<Кпр).
3. Газ присутствует в сланцевом коллекторе в различых видах: в свободном,
в растворѐнном и в адсорбционном. По сравнению со сланцевым коллектором, в
98
угольном пласте метан существует в основном в адсорбционном и в свободном
виде; в плотных песчаных коллекторах газ существует в свободном виде.
4. Более сложная объѐмная модель. В исследовании традиционных
коллекторов, исследование скелета концентрируется на отношении содержания
песчаника к содержанию глины. А в исследовании сланцевого коллектора, кроме
содержания глины, большое внимание уделяется содержанию органического
вещества и содержанию хрупких минералов.
Рисунок 7.1. Объѐмная модель сланца (Многоминеральная модель).
5. Важность оценки пластового давления. Многие исследования уже
доказали на разных примерах важность оценки пластового давления в
исследовании
сланцевого
газа.
Во-первых,
как
и
пластовое
давление
традиционных коллекторов, пластовое давление отражает естественную энергию
и непосредственно влияет на продуктивность пласта. Чем выше пластовое
давление, тем больше энергия пласта, тем лучше выделение газа после ГРП.
Во-вторых,
пластовое
давление
непосредственно
влияет
на
содержание
адсорбционного сланцевого газа. В соответствии с формулой Ленгмюра, чем
выше пластовое давление, тем больше содержание адсорбционного газа.
6. Важность оценки хрупких свойств пласта. Из-за низкой пористости и
проницаемости, сланцевый коллектор разрабатывается не традиционными
методами (заводнение, ПАВ, полимер), а с помощью технологии гидравлического
разрыва пласта (ГРП). Содержание хрупких минералов (кварц, полевой шпат) в
коллекторе играет ключевую роль в ГРП. Чем больше хрупких минералов и
меньше глины, тем лучше условия для применения ГРП.
Из вышесказанного следует, что имеется значительная разница между
99
геофизической оценкой сланцевого коллектора и геофизической оценкой
традиционного коллектора, как показано в таблице 7.1.
Таблица 7.1. Оценка коллекторских свойств методом интерпретации данных ГИС
Оценка
Традиционный коллектор
Пластовое давление
Содержание глины
Коэфф. пористости
Коэфф. насыщенности
Общие
Разница
Коэфф. проницаемости
Сланцевый коллектор
Пластовое давление
Содержание глины
Коэфф. пористости
Коэфф. насыщенности
Содержание ОВ
Минерал. состав
Механическая оценка
Следует отметить, что некоторые методы ГИС, которые необходимы в
геофизическом
исследовании
традиционных
коллекторов,
как
СП,
Микрозондирование, ИК не эффективны в геофизическом исследовании
сланцевого коллектора. С развитием исследований сланцевого газа появились
новые методы ГИС, например ЯМР (Ядерно-магнитный резонанс) эффективный
при оценке пористости сланцевого коллектора. ЯМР исключает влияние от
органического вещества.
7.1. Оценка содержания глины
При
объѐмном
моделировании
сланца,
геофизические
исследования
сланцевого коллектора начинается с оценки содержания глины. Следует обратить
внимание на то, что результат геофизических интерпретаций о содержании глины
определяется в объѐмных процентах.
Содержание глины - ключевой параметр для дальнейшего исследования.
Оно необходимо для коррекции коэффициента пористости, коэффициента
насыщенности, для исключении связанной воды в глинах. Поэтому в
исследовании сланцевого коллектора оценка содержания глины - отправная точка
для исследования.
Среди глинистых минералов выделяются 4 основных - каолинит, смектит
(монтмориллонит), гидрослюда (иллит), хлорит. Содержание глины в объѐмных
100
процентах определяется отношением объѐма глинистых минералов к общему
объѐму породы.
7.1.1. Ренгенодифракционный анализ (XRD).
Горные породы, в том числе осадочные, состоят из минералов. Минералы это химические соединения, состоящие из атомов и молекул, в большинстве
имеют регулярную кристаллическую структуру. Чтобы определять минералы
используются многочисленные аналитические методы. Один из них—РСА,
Рентгеноструктурный анализ, или рентгенодифракционный анализ XRD (X-ray
diffraction)
Технология РСА особенно полезна для идентификации мелкозернистых
минералов и смесей минералов, которые плохо анализируются другими методами.
В петрофизике часто применяется технология РСА для калибровки расчѐта
объѐма минералов, полученные из интерпретации данных ГИС.
Если
образец
является
смесью
минералов,
то
чтобы
определить
соотношение существующих различных минералов, полученные данные должны
быть изучены дополнительно. Помимо идентификации РСА может обеспечивать
еще следующую информацию.
Во-первых, о степени кристалличности минералов.
Во-вторых, РСА может анализировать мелкозернистые минеральные
образцы, которые не определяются другими оптическими методами.
Однако РСА не может дать количественные композиционные данные,
которые могут получены с помощью электронного микрозонда, РСА не может
дать текстурные и качественные композиционные данные, которые могут
получены с помощью сканирующего электронного микроскопа.
Но надо отметить, что РСА анализирует образец, содержащий малое
количество определяемого вещества и результат может быть случайным. Поэтому
для анализа РСА, важнее какие минералы присутствуют, чем количественный
анализ содержания каждого минерала.
101
Большое внимание должно уделяться тому, что содержание глины, получено
из ренгенодифракционного анализа, даѐтся в массовых процентах. Поэтому для
калибровки интерпретации данных ГИС, необходимо превратить массовую долю
в объѐмную.
В таблице 7.2 показан результат ренгенодифракционного анализа.
Таблица 7.2. Результат ренгенодифракционного анализа (XRD)
Сква.
Глубина
(м)
Каол.
(%)
Хлориты
(%)
Иллиты
(%)
Смек.
(%)
И/С
(%)
Глины
(%)
Кварц
(%)
П-шпат
(%)
К-шпат
(%)
Кальцит
(%)
Доломит
(%)
Пирит
(%)
Сидерит
(%)
L
1195.9
0
19
29
0
52
42
37
9
9
0
0
0
3
L
1196.8
0
33
26
0
41
49
34
7
7
0
0
0
3
L
1197.8
0
16
32
0
52
34
39
6
13
0
4
0
4
L
1198.8
13
15
24
0
48
52
35
5
8
0
0
0
0
L
1199.8
0
27
22
0
51
51
29
6
10
0
0
4
0
L
1201.9
0
25
29
0
46
58
28
6
8
0
0
0
0
L
1203.0
0
29
28
0
43
48
36
8
8
0
0
0
0
L
1204.0
0
20
32
0
48
52
32
7
5
0
0
0
4
L
1205.0
0
18
28
0
54
54
29
8
6
0
3
0
0
L
1207.9
10
11
25
0
54
51
29
5
12
0
0
0
3
L
1209.0
10
12
21
0
57
52
33
6
9
0
0
0
0
L
1210.0
10
12
21
0
57
44
34
7
10
0
0
0
5
L
1210.9
0
19
26
0
55
51
33
7
9
0
0
0
0
L
1212.9
11
11
24
0
54
37
32
5
19
2
0
1
4
L
1214.0
0
13
29
0
58
40
28
8
19
0
0
2
3
L
1362.7
0
19
32
0
49
45
43
0
7
2
0
3
0
L
1363.7
0
18
35
0
47
47
37
0
8
2
2
4
0
L
1365.5
0
15
18
0
67
44
41
0
12
3
0
0
0
L
1365.7
0
25
28
0
47
40
47
0
10
3
0
0
0
Из таблицы следует, что с помощью ренгенодифракционного анализа можно
узнать не только долю глины в массовых процентах, но и содержание хрупких
минералов в массовых процентах, содержание различных глинистых минералов в
породе.
Как уже отмечалось раньше, содержание глины из массового процента
следует превратить в объѐмный процент. На основе изучения минералов данного
региона, были определены значения плотности различных минералов, как показано
в таблице 7.3.
102
Таблица 7.3. Плотность различных минералов в С регионе
Глинистые минералы (г/см3)
Каол.
Хлориты
Иллиты
Смек.
И/С
2,42
2,76
2,52
2,12
2,37
3
Другие минералы (г/см )
Кварц
П-шпат
К-шпат
Кальцит
Доломит
Пирит
Сидерит
2,65
2,63
2,52
2,71
2,87
5,0
3,8
С помощью таблицы 7.3 можно пересчитать содержание глины в объѐмных
процентах, результат показан на рисунке 7.2.
Рисунок 7.2. Коррекция содержания глины на примере скважины L
После коррекции содержания глины, начинается интерпретация содержания
глины методами ГИС.
В исследовании традиционных коллекторов, наиболее широко применяются
СП и ГК для расчѐта содержания глины в пласте. Но в исследовании сланцевого
коллектора, СП не эффективно. Поэтому в основном применяется ГК для
интерпретации содержания глины в пласте.
103
Надо подчеркнуть, что присутствие таких радиоактивных элементов как
уран, торий может сильно влиять на радиоактивность пласта, в результате чего ГК
показание бывает чрезмерно высоким, но может правильно отражать содержание
глины в пласте. Обычно, содержание урана в морских отложениях высоко, а в
континентальных
отложениях
мало.
Изучаемые
отложения
являются
континентальными отложениями, поэтому коррекция этих компонентов не
проводится.
7.1.2. Интерпретация содержания глины в пласте с помощью ГК
ГК отражает радиоактивность пласта. Обычно, чем выше глинистость, тем
выше ГК значение. Таким образом, содержание глины в пласте может
определяется по формуле (7.1):
Vгл. =
ГК;ГКMIN
ГКMAX ;ГКMIN
(7.1)
Где:
𝑉гл. —содержание глины в объѐмных процентах, %;
ГК—гамма отражение, мкР/час;
ГК𝑀𝐼𝑁 —гамма отражение в чистом песчанике, мкР/час;
ГК𝑀𝐴𝑋 —гамма отражение в аргиллите, мкР/час.
Как показано на рисунке 7.2, в процессе изучения содержания глины
методом
интерпретации
ГК,
важнее
всего
определить
максимальное
и
минимальное значение гамма-отражения. С помощью литологического состава,
соответственно зоне аргиллита или сланца, выбираем 190 мкР/час в качестве
максимального значения гамма-отражения, и соответственно зоне чистого
песчаника,
выбираем
60
мкР/час
в
качестве
минимального
значения
гамма-отражения. Таким образом, получаем результат интерпретации содержания
глины в пласте, как показано на рисунке 7.3.
104
Рисунок 7.3. Корреляция содержания глины в пласте.
Отсюда можно сделать три вывода:
1. Результат интерпретации содержания глины в пласте регионально
соответствует результату анализа содержания глины с помощью РСА, оценка
содержания глины в объѐмных процентах надѐжна.
2. Содержание глины в пласте С7 выше чем в пласте С8.
3. Содержание глины в верхней части С9 выше всего.
7.1.3. Интерпретация содержания глины в пласте с помощью ГГМ-п и АК
С помощью опытной палетки Шлюмберже, можно рассчитать содержание
глины в пласте путѐм интерпретации ГГМ-п и АК. Для этого необходимы: точка
воды, точка чистой глины и точка чистого песчаника.
Содержание глины определяется по формуле (7.2):
𝑉гл. =
𝐴
𝐵
(7.2)
A = ρB × (∆t ma − ∆t f ) − ∆t × (ρma − ρf ) − ρf × ∆t ma + ρma × ∆t f
𝐵 = (∆𝑡𝑚𝑎 − ∆𝑡𝑓 ) × (𝜌𝑠ℎ − 𝜌𝑓 ) − (𝜌𝑚𝑎 − 𝜌𝑓 ) × (∆𝑡𝑠ℎ − ∆𝑡𝑓 )
Где:
𝑉гл. —содержание глины в объѐмных процентах, %;
ρB —гамма-гамма показание, г/см3;
105
ρf , ρma , 𝜌𝑠ℎ —плотность воды, чистого песчаника, глины, г/см3;
∆t—акустическое показание, мкс/м;
∆𝑡𝑓 , ∆t ma , ∆𝑡𝑠ℎ —акустическое показание воды, чистого песчаника, глины,
мкс/м.
Таким образом, интерпретируется содержание глины в пласте (рисунок 7.4).
Сопоставляем с результатом из интерпретации ГК, следует, что полученный
результат двумя методами похожи, оба надѐжны. Но из-за того, что в изучаемом
регионе, по некоторым скважинам отсутствуют данные ГГМ-п, применяется
первый метод для оценки содержания глины.
Рисунок 7.4. Корреляция содержания глины в пласте с помощью АК и ГГМ-п
7.1.4. Анализ распределения глинистости.
С помощью полученного результата интерпретации содержания глины,
статистическим методом можно анализировать распределение содержания глины в
пластах, результат показан в таблице 7.4.
106
Таблица 7.4. Содержание глины в объѐмных процентах по зонам(%)
Зона
C7-1
C7-2
C7-3
C7
C8
C9
Среднее(%) Мак(%)
Мин(%)
39,10587
55,98599
58,14374
53,09151
38,20078
43,68643
45,55906
62,2436
63,08479
58,20199
40,97289
46,74847
32,80554
40,0796
55,11374
48,10042
31,16764
39,61145
По статистике можно сделать некоторые выводы:
1. В общем, содержание глины в пластах С7>C9>C8, среднее значение
содержания глины в пласте С7 составляет 53,09%, среднее значение содержания
глины С9 составляет 43,68%.
2. В пласте С7, содержание глины в слоях С7-3>С7-2>С7-1, среди которых в
слое С7-3 содержание глины может достигнуть 58%.
Надо почеркнуть, что по статистике глинистость С9 занимает второе место.
Но исследуемый объект является верхней частью пласта С9, содержание глины в
среднем может достигнуть больше 60%. Поэтому, на самом деле, содержание
глины в верхней части пласта С9 максимальное.
7.2. Оценка коллекторских свойств
В исследовании традиционных ресурсов оценка экономического потенциала
залежи основывается на оценке извлекаемых ресурсов. Но в исследовании
сланцевого коллектора, оценка извлекаемых ресурсов пока неизвестна.
Несмотря на сложность оценки извлекаемых ресурсов в исследовании
сланцевого коллектора, в качестве вместилища флюидов (нефть, газ, вода), поровая
система по-прежнему занимает ключевое место.
Loucks (2012) предложил классификацию пор для аргиллитов и сланцев,
соответственно которой поры делятся на три вида: межчастичные минеральные
поры, внутричастичные минеральные поры, поры внутри ОВ[38].
Международный союз теоретической и прикладной химии ( International
Union of Pure and Applied chemistry IUPAC) предложил классификацию пор,
соответственно которой поры делятся на три типа: микропоры (диаметр< 2 нм),
107
мезопоры (2<диаметр<50 нм), макропоры (диаметр >50 нм). Эта классификация
широко применяется в исследовании сланцевых ресурсов.
Многие исследования уже доказали, что минеральные поры в основном
являются макропорами и мезопорами, а микропоры (< 2 нм) развиваются в ОВ.
Адсорбционный газ основно адсорбируется на поверхности микропор внутри ОВ.
Растворѐнный и свободный газ в основном существуют в макро- и мезопорах.
7.2.1. Лабораторный анализ пористости и проницаемости.
Из-за низкой пористости и проницаемости, традиционные технология не
годятся для анализа пористости и проницаемости сланцевого коллектора.
Amaefule (1986) с помощью технологии импульсной Дарси анализировал
эффективную проницаемость в плохо проницаемой породе в лабораторных
условиях[39]. Аналогично, Jones (1997) опубликовал статью о технологии
быстрой импульсной Дарси для анализа проницаемости в плотной породе[40]. На
основе этой технологии, американская компания Core Lab создала аппарат для
анализа проницаемости сланцев, которая называется PDP-200.
PDP-200 включает две основные части, одна для анализа пористости, другая
для
анализа
проницаемости.
Пористость
измеряется
в
PDP-200
путѐм
самостоятельного расширения газа (гелия), и рассчитывается с помощью закона
Бойля. Диапазон анализа пористости от 0,01% по 40%. Проницаемость измеряется
в PDP-200 путѐм газового импульса под высоким давлением, измеряя скорость
падения давления (от скорости падения давления зависит проницаемость).
Диапазон анализа проницаемости — от 0.00001 мД по 10 мД. Измеренная
проницаемость называется проницаемость Клинкенберг.
Многие исследовательские центры Китая импортировали этот аппарат для
исследования сланцевого коллектора. В исследовании сланцевого коллектора С
региона, лабораторные работы анализа пористости и проницаемости проводятся в
Лаборатории о исследовании фильтрационных свойств коллектора в Ланфан
исследовательском центре Китайской Нефтяной Компании.
108
Таким образом, были проанализированы примерно 150 образцов из 20
скважин, результат анализа пористости и проницаемости показан в таблице 7.4 на
примере скважин O.
Таблица 7.4. Результат анализа пористости и проницаемости.
Скв.
O
O
O
O
O
O
O
O
Глубина(м)
1610,5
1610,7
1612,6
1612,9
1613,0
1620,5
1621,9
1623,0
Длина образца(см)
2,972
3,034
2,737
4,779
2,839
3,808
2,778
4,249
Ширина образца(см)
2,483
2,487
2,487
2,491
2,489
2,492
2,495
2,499
Кп(%)
1,341
1,140
1,828
0,786
0,615
1,631
0,162
2,135
Кпр(мД)
0,00456
0,0259
0,000282
0,0000684
0,000536
0,000664
0,000429
0,000198
Из таблицы следует, что проницаемость сланцев очень низка, изменяется от
0,000198 мД по 0,0259 мД в скважине О – так называемый нано уровень. Плюс к
этому, после выноса керна, многие свойства которого сильно изменились,
измеренная проницаемость на поверхности вряд ли соответствует истинной
проницаемости сланцев. Поэтому, до сих пор, ещѐ не опубликована ни одна
работа про определения проницаемости сланцев методом интерпретации данных
ГИС. В данной кандидатской диссертации тоже не будем обсуждать, как
определить проницаемость методом интерпретации данных ГИС.
Главная задача, определение пористости сланцев методом интерпретации
данных ГИС.
7.2.2. Коррекция влияния от УВ
Для интерпретации пористости сланцевого коллектора, часто используются
каротажные
кривые
ГГМ-п
и
НК
с
помощью
объѐмной
модели
(многоминеральной модели). Но на две кривые часто влияет УВ на пласте.
Поэтому прежде чем использовать эти две кривые, нужно их корректировать от
влияния УВ.
Соответственно
работам
Schmidt(1971)[41]
и
Segesman(1971)[42],
109
многоэтапными процессами были корректированы кривые ГГМ-п и НК. Результат
показан в рисунке 7.5. Из рисунка 7.5 видим, что после коррекции, кривые
немного изменились.
Рисунок 7.5. Коррекция ГГМ-п и НК на примере скважины L
7.2.3. Оценка пористости с помощью ГГМ-п
После коррекции кривых ГГМ-п и НК, начинается интерпретация
пористости с помощью этих кривых.
Но перед тем, как начать интерпретацию, надо решить некоторые проблемы.
1. Результат анализа пористости с помощью аппарата PDP-200 отражает
только эффективную пористость, которая включает в себя: эффективную
пористость в минеральной части, эффективную пористость в ОВ.
КпPDP-200=КпЭФФ.МИН+КпЭФФ.ОВ (7.3)
Где:
КпPDP-200—пористость из анализа PDP-200, %;
КпЭФФ.МИН—эффективная пористость в минеральной части, %;
110
КпЭФФ.ОВ—эффективная пористость в органическом веществе, %.
2. ГГМ-п определяет пористость на основе плотностей различных
компонентов. Из-за низкой плотности ОВ, примерно равной 1, в кривой ГГМ-п,
ОВ
интерпретируется
как
флюиды.
Если
просто
использовать
ГГМ-п
традиционным методом для интерпретации пористости, тогда эта общая
пористость включает в себя пористость от всех флюидов и ОВ, то есть нефть,
свободную воду, связанную воду, свободный газ, УВ в ОВ, и твѐрдое ОВ.
Кп=КпСВЯ.ВОДА+КпСВО.ВОДА+КпОВ+КпНЕФТЬ+КпГАЗ (7,4)
Где:
Кп—общая пористость, %;
КпСВЯ.ВОДА—пористость от связанной воды, %;
КпСВО.ВОДА—пористость от свободной воды, %;
КпОВ—пористость от твѐрдого органического вещества, %;
КпНЕФТЬ—пористость от нефти, %;
КпГАЗ—пористость от газа, %.
3. Если исключить влияние от глины и ОВ, и учитывать только
эффективность в минеральной части, чтобы результат был равен результату
анализа PDP-200, нужно компенсировать эффективную пористость из ОВ.
Исходя из вышесказанного, сначала нужно вычислять общую пористость,
потом исключить влияние от глины и ОВ, в конце нужно компенсировать
эффективную пористость от ОВ чтобы использовать результат анализа для
калибровки.
Как в исследовании традиционных коллекторов, использовать ГГМ-п для
интерпретации общей пористости, которая определяется по формуле (7.5):
К =
Где:
К —общая пористость, %;
𝜌ске —плотность скелета, г/см3;
𝜌ггм; —показание ГГМ-п, г/см3;
𝜌ске ;𝜌ггм;
𝜌ске ;𝜌флю
(7.5)
111
𝜌флю —показание ГГМ-п, г/см3;
Поры в глинах считаем связанными и неэффективными для вмещения нефти
и газа, поэтому нужно их исключить из интерпретации пористости с помощью
ГГМ-п для получения эффективной пористости. Пористость глины можно
рассчитать с помощью зоны аргиллита. Предполагаем, что пористость в глинах
как пористость в чистом аргиллите. Поэтому, можно вычислить приведѐнную
пористость глины (который залегает внутри исследуемых пластов или рядом с
ними). Приведѐнная пористость глины определяется по формуле 7.6:
К
гл. ри.
=
𝝆ске.;𝝆гл.
𝝆ске. ;𝝆флю.
(7.6)
Где:
К
гл.
—приведѐнная плотность глины, %;
𝝆ске. —плотность
скелета, г/см3;
𝝆флю. —плотность
𝝆гл. —показание
С
помощью
флюида, г/см3;
ГГМ-п в чистом аргиллите, г/см3.
литологического
состава,
геостатистическим
методом
(гистограммой) анализировать плотность зоны, составляющей из аргиллита
основно, как показано на рисунке 7.6.
Как показано на рисунке 7.6, каждая кривая обозначает одну скважину. В
соответствии с результатом геостатистического анализа распределения плотности
аргиллита следует, что плотность аргиллита в основном находится в диапазоне с
2,5 г/см3 по 2,6 г/см3. Для определения приведѐнной пористости аргиллита,
выбираем 2,58 в качестве средней плотности аргиллита. Таким образом, была
рассчитана приведѐнная пористость глины 4,2%.
112
Рисунок 7.6. Анализ плотности глинистой зоны геостатистическим методом.
В главе 7.1 уже оценено содержание глины в сланцевом коллекторе, поэтому
с помощью содержания глины в объѐмных процентах и приведѐнной пористости
можно рассчитать пористость от глины в сланцевом коллекторе по формуле 7.7:
К
ГЛ.
=К
ГЛ.ПРИ.
× VГЛ. = VГЛ. × 4,2%
(7.7)
После того как исключили влияние от глины, следует исключить влияние от
органического вещества.
Как известно, что плотность керогена изменяется от 0,95 г/см3 по 1,45 г/см3,
плотность керогена снижается по мере увеличения термической зрелости керогена.
В изучаемом регионе, из-за низкой термической зрелости, выбираем 1,4 г/см3 в
качестве плотности керогена, аналогично, приведѐнная пористость керогена
можно определиться по формуле 7.8:
К
ОВ.ПРИ.
=
𝜌ске. ;𝜌гл.
𝜌ске. ;𝜌флю.
= 75%
(7.8)
Аналогично, можно с помощью содержание керогена в объѐмных процентах
и приведѐнной пористости керогена для определения влияния от ОВ.
В главе 6, химическими методами с интерпретацией данных ГИС уже
оценили
содержание
углерода
органического
происхождения.
Многие
исследования уже выяснили связь между Сорг и кероген.
Herron(1986) создал модель для пересчѐта объѐма керогена из содержания
113
углерода органического происхождения, объѐм керогена определяется по формуле
7.9:
𝑇𝑂𝐶
e oge Volu e(VОВ. ) = 𝐶𝑂𝑁𝑉
𝐻𝑂𝐵
𝐻𝑂
(7.9)
Где:
Kerogen Volume—содержание керогена в объѐмных процентах, %;
3
RHOK—плотность керогена, 1,4 г/см ;
CONV—пересчѐтный коэффициент, который изменяется с 0,68 по 0,95,
среднее значение 0,8;
TOC—содержание
углерода органического происхождения в массовых
процентах, %;
3
RHOВ—показание ГГМ-п, г/см .
Таким образом, пористость от ОВ в интерпретации сланцевого коллектора
(и флюиды в ОВ и твѐрдая часть ОВ) определяется по формуле 7.10:
К
=К
ОВ
ОВ.ПРИ.
× VОВ. = VГЛ. × 4,2%
(7.10)
Тогда эффективная пористость в минеральной части определяется по
формуле 7,11:
К
МИН.
=К −К
ГЛ.
−К
ОВ
(7,11)
Где:
К
МИН. —пористость
в минеральной части по интерпретации ГГМ-п, %;
К —общая пористость по интерпретации ГГМ-п, %;
К
ГЛ.
—пористость от глины по интерпретации ГГМ-п в сланцевом
коллекторе, %;
К
ОВ
—пористость от ОВ по интерпретации ГГМ-п в сланцевом
коллекторе, %.
Но для того, чтобы использовать результат анализа PDP-200 для калибровки,
нужно компенсировать эффективную пористость ОВ на эффективную пористость
в минеральной части.
Кп(Анализ)=КпМИН.+КпЭФФ.ОВ (7,12)
Где:
114
К
МИН. —пористость
в минеральной части по интерпретации ГГМ-п, %;
Кп(Анализ) —пористость из анализа, %;
КпЭФФ.ОВ—эффективная пористость в ОВ.
Осталась главная задача - оценить эффективную пористость.
С помощью сканирующего электронного микроскопа (СЭМ) можно оценить
эффективную пористость. Как показано в рисунке 7,7, с помощью СЭМ, можно
примерно определить пористость. В результате анализов 120 образцов, выбираем
17% в качестве средней эффективной пористости ОВ.
К
ЭФФ.ОВ
= VОВ. × 17% (7,13)
Рисунок 7.7. Оценка эффективной пористости с помощью СЭМ на примере образца из скв. L
Результат интерпретации пористости показан на рисунке 7.8. На примере
скважин L и B, КпМИН. очевидно меньше Кп (Анализ), после компенсирования
эффективной пористости ОВ, интерпретированная пористость хорошо совпадает с
результатом анализа. Этот результат доказал, что объѐмная модель подходит для
исследования сланцевого коллектора в С регионе. Таким образом, была
интерпретирована пористость с помощью объѐмной модели.
115
Рисунок 7.8. Результат интерпретации пористости
Исследования пористости показали, что:
1. Эффективная пористость в минеральной части в песчаных или
алевролитовых коллекторах (2%-10%) выше, чем в сланцевых пластах (меньше
3%). Эффективная пористость в минеральной части для хранения свободного газа
имеет большое значение.
2. Эффективная пористость в ОВ играет очень важную роль, которая равна
примерно 3%. Эффективная пористость в сланцевом коллекторе может достигнуть
того же уровня, как и в традиционных коллекторах.
3. Интерпретация пористости соответствует геологическим законам.
116
7.3. Оценка насыщенности сланцевого коллекторов
7.3.1. Оценка водонасыщенности сланцевого коллектора.
Оценка насыщения флюидов занимает ключевое место в оценке перспектив
ресурсов УВ.
Наиболее широко применяется метод сопротивления для определения
коэффициент
нефтегазонасыщения
коллектора[44].
Из
многих
методов
сопротивления для определения коллекторских свойств, наиболее популярной
считается формула Archie (G E Archie, 1940)[45]. В это же время в России
аналогичной проблемой занимался В Н Дахнов. Формула для определения
водонасыщенности написана как формула (7,13):
1 1
1
𝑆𝑊 = ( )𝑁 = ( 0)𝑁 = (
𝐼
𝑡
𝐹× 𝑊 1
)𝑁
𝑡
= (𝐹 ×
𝑊
𝑡
1
)𝑁 = (
𝐴
×
𝑀
∅
𝑊
𝑡
1
)𝑁 (7,13)
Где:
Sw—коэффициент водонасыщенности, %;
F—относительное сопротивление или параметр пористости;
I—параметр насыщения;
Ro—удельное электрическое сопротивление при насыщении в породе
полностью водой, ом;
Rt—удельное электрическое сопротивление породы, ом;
Rw—удельное электрическое сопротивление пластовой воды, ом;
∅—коэффициент пористости пород, %;
A—зависит от литологического состава, изменяется от 0,6 по 1,53, обычно
применяем 1;
N—зависит от насыщения, изменяется от 1,5 по 2,2, обычно применяем 2;
M—зависит от цементирования, изменяется, обычно применяем 2.
Формула Archie широко применяется в исследовании коллекторских свойств
при изучении традиционных ресурсов. Но недостатками этой формулы является,
что она создана для интерпретации более чистого - песчаного коллектора.
Для усовершенствования формулы Archie, Simandoux (1963) изменил
117
коэффициент пористости в формуле Archie на (1 - Vsh) * Sw/F, среди которых, Vsh
обозначает содержание глины в породе в объѐмных процентах, остальные
параметры как в формуле Archie[46]. После этого изменения в формуле уже
включается влияние от глины. Таким образом, формула уже годится для
интерпретации водонасыщения в глинистых породах.
После этого предложили усовершенствования формула Simandoux, включая
влияние от органического вещества.
Для интерпретации водонасыщения, ещѐ существует модель ди-воды[47], но
эта модель тоже не подходит для интерпретации водонасыщенности сланцевого
коллектора.
В исследовании сланцевого газа в С регионе, применяется формула
Simandoux для интерпретации водонасыщенности сланцевого коллектора.
Как показано на рисунке 7.9, совместно с оценкой пористости в
минеральной части породы, содержанием углерода органического происхождения,
содержанием глины, литологическим составом, в изучаемом разрезе на примере
скважины L была интерпретирована водонасыщенность.
Во-первых, из-за того, что образованная нефть и газ в основном остаются на
месте, в соседних породах, состоящих в основном из песчаника и алевролита,
коэффициент водонасыщенности примерно равен 1, значит УВ в порах нет. Эта
интерпретация соответствует природе залежи сланцевого газа.
Во-вторых, где Сорг высоко и образовались нефть и газ, коэффициент
водонасыщенности значительно уменьшается, особенно в изучаемых коллекторах
сланцевого газа, коэффициент водонасыщенности примерно 30%. Значит в порах
существует значительный объѐм углеводородов.
В-третьих, данная модель годится не только для интерпретации сланцевого
коллектора, но и для традиционных пластов. Как показано в рисунке 7,9, в пласте
С8, коэффициент водонасыщенности примерно равен 1, при бурении с помощью
газового каротажа тоже не обнаружили УВ. Значит результат соответствует
природе насыщения пластов.
118
Рисунок 7.9. Интерпретация Кв на примере скв. L
7.3.2. Оценка нефтенасыщения и газонасыщения сланцевого коллектора.
В изучаемом регионе чтобы анализировать содержание жидких УВ в породе
с помощью пиролиза, применяется S1. Тогда коэффициент нефтенасыщенности
определяется по формуле (7.14)
1 × 𝜌𝑏 × S1 = 1 × 𝑃𝐻𝐼𝐸_𝐷𝐶 × s𝑜 × 𝜌𝑜 ÷ 10 (7,14)
s𝑜 =
𝜌𝑏 × S1
𝜌𝑜 × 𝑃𝐻𝐼𝐸_𝐷𝐶 × 1000
Где:
s𝑜 —коэффициент нефтенасыщенности, %;
𝜌𝑏 —плотность породы, применяя показание ГГМ-п, г/см3;
𝜌𝑜 —плотность нефти, г/см3, применяя среднее значение 0.85, г/см3;
PHIE_DC—эффективная пористость, включая эффективную пористость и
119
минеральной части и части ОВ, %;
S1—первая вершина пиролиза, мг УВ/г породы
Многие исследования уже доказали, что существует тесная связь между С орг
и S1, если можем найти их связь, тогда можно с помощью этой связи и
прогнозированного Сорг оценить нефтенасыщенность.
С помощью полученного результата анализа пиролиза, методом регрессии
можно выяснить связь между Сорг и S1.
По сравнению с линейной регрессией, экспоненциальная регрессия
начинается с начала координат, значит, когда Сорг равно нулю, S1 тоже равна нулю.
Значит экспоненциальная регрессия более пригодна для объяснения связи между
Сорг и S1.
При применении многократной регрессии Сорг и S1, получаем связь между
Сорг и S1 в каждом пласте. На рисунке 7.10. на примере слоя С7-2, показано, как
по данным пиролиза из 20 скважин (147 образцов), экспоненциальной регрессией
была создана связь между Сорг и S1.
Рисунок 7.10. Экспоненциальная регрессия между Сорг и Кн на примере слоя С7-2
Аналогично, создана связь между Сорг и S1 для каждого изучаемого пласта
(слоя).
После выяснения связи между Сорг и S1, с помощью формулы 7,14 можно
120
рассчитать коэффициент нефтенасыщенности. А коэффициент газонасыщенности
определяется по формуле 7,15:
Кг=1-Кв-Кн (7,15)
Где:
Кг—коэффициент газонасыщенности, %;
Кв—коэффициент водонасыщенности, %;
Кн—коэффициент нефтенасыщенности, %.
Полученный результат интерпретации насыщения показано в рисунке 7,11.
Полученный
результат
соответствует
термической
зрелости
сланцевого
коллектора в изучаемом регионе. Из-за низкой термической зрелости в коллекторе
существуют и нефть и газ.
Рисунок 7.11. Результат интерпретации насыщения на примере скв. L
Как показано на рисунке 7.12. построенном с помощью корреляции видно,
что регионально интерпретировано аналогичное насыщение в изучаемом регионе.
121
Рисунок 7.12. Корреляция насыщения
Исходя из интерпретации насыщения, можно сделать следующие выводы:
1. Регионально в сланцевом коллекторе существуют и нефть, и газ из-за
низкой термической зрелости.
2. Коэффициент газонасыщенности больше нуля, значит существует газ в
свободной фации.
3. В пластах (С7-2, С7-3, верхняя часть пласта С9), коэффициент
водонасыщенности изменяется с 10% по 60%, среднее значение— 30%.
Коэффициент
нефтенасыщенности
изменяется
с
25%
по
60%,
среднее
значение—50%. Коэффициент газонасыщенности изменяется с 10% по 30%,
среднее значение—20%.
4.
Коэффициент
нефтенасыщенности
больше
чем
коэффициент
газонасыщенности. Этот результат соответствует стадии образования нефти
—пласты находятся в зоне нефтеобразования.
122
Глава 8. Оценка газосодержания и подсчѐт запасов сланцевой залежи
Сланцевый газ в изучаемой залежи присутствует под землѐй в трѐх видах —
в адсорбционном, в растворѐнном и в свободном. Поэтому общее содержание газа
складывается
из
содержания
газа,
адсорбированного
на
поверхности
органического вещества (керогена), содержания растворѐнного в нефти и в воде
газа, содержания свободного газа, находящегося в поровых пространствах. Запасы
сланцевой залежи определяется по формуле 8.1:
V = VАД. + VСВ. + VРА. (8.1)
Где:
V—общее содержание газа, м3;
VАД.—содержание адсорбционного газа, м3;
VСВ.—содержание свободного газа, м3;
VРА.—содержание растворѐнного газа, м3.
8.1. Геологические методы прогнозирования газосодержания
8.1.1. Геологические методы прогнозирования адсорбционного газа
Явление адсорбции при исследовании сланцевого газа обнаружено уже
давно. Многие учѐные оценивали запас сланцевой залежи, но разработка доказали,
что запасы гораздо больше чем оценѐнные. Адсорбционный газ занимает первое
место в сланцевой залежи по газосодержанию.
Наиболее эффективный способ для описания адсорбционных явлений это
экспериментальные изотермы
адсорбции. Существуют
несколько
методов
математического выражения изотерм адсорбции, которые различаются моделями
описания процесса адсорбции. Среди них, наиболее распространѐнной моделью
является модель однослойной (монослойной) адсорбции. Теория изотермы
адсорбции была предложена Irving Langmuir (Ирвингом Ленгмюром) для модели
однослойной адсорбции на поверхности. Модель Ленгмюра определяется по
формуле (8.2):
123
V=
𝑉𝑚 ×𝑏×𝑃
1:𝑏×𝑃
=
𝑉L ×𝑃
𝑃:𝑃𝐿
(8,2)
Где:
V—газосодержание адсорбционного газа, м3/тон.;
b—ленгмюровский констант;
P—давление, МПа;
Vm—адсорбционный констант ленгмюра (ѐмкость монослоя);
VL—Ленгмюровский объѐм, м3/тонн.;
PL—Ленгмюровское давление, МПа.
Как показано в рисунке 8.1, изотерма Ленгмюра получена по данным
анализа измельчѐнных проб для описания адсорбционной газоѐмкости породы.
Ленгмюровский объѐм, это теоретический предельный адсорбированный объѐм
газа при бесконечном большом давлении. Давление, когда адсорбированный
объѐм
газа
достигает
половины
Ленгмюровского
объѐма,
называется
только
показывают
Ленгмюровское давление.
Рисунок 8.1. Изотермы Ленгмюра
Следует
почеркнуть,
что
изотермы
Ленгмюра
адсорбционный потенциал образца при разных температурах и разных давлениях.
Кривые Ленгмюра различаются при разной температуре.
На примере скважины L, выбираем 2 образца для исследования
124
адсорбционного потенциала сланцев. Первый образец получен из глубины 1190.4
м из пласта С7, второй образец получен из глубины 1358 из пласта С9.
Соответствующие пластовые температуры: 48 градусов и 53 градуса.
Лабораторным анализом полученных образцов при соответствующих
температурах определены их свойства адсорбции (параметры формулы Ленгмюра).
полученный результат показан в рисунке 8.2.
Из рисунка 8.2 получаются формулы Ленгмюра для двух образцов, которые
определяются по формуле 8,3 и 8,4:
V=
V=
4,99×𝑃
𝑃:1,95
4,27×𝑃
𝑃:2,36
(для первого образца)
(8,3)
(для второго образца)
(8,4)
Рисунок 8.2. Анализ параметров адсорбции на примере скв. L
(Образец пласта С7 с глубины м; образец пласта С9 с глубины м)
Исходя из экспериментов адсорбции, можно сделать следующие выводы:
(1) Чем выше пластовая температура, тем ниже Ленгмюровский объѐм.
Ленгмюровский объѐм в пласте С9 выше чем в плате С7.
(2) Объем адсорбционного газа непосредственно зависит от давления. По
мере увеличением давления, сначала адсорбированный объѐм газа повышается
резко, затем темп увеличения снижается.
Многочисленные
исследования
доказали,
что
изотермы
Ленгмюра
эффективны при оценке адсорбционного газа. Но эксперименты стоят дорого,
125
вертикальная разрешающая способность низка, поэтому нужно построить
геологическую модель для эффективной оценки адсорбционного газа по
вертикали.
Содержание адсорбционного газа зависит от температуры, пластового
давления, Сорг и так далее. Ji(2014) в исследовании сланцевого газа в С регионе,
создал геологическую модель для прогнозирования содержания адсорбционного
газа. Содержание адсорбционного газа определяется по формуле 8.5:
VАД. =
(0,06338×TOC;0,0518×T:4,4468)×P
𝑃:𝑒 (0,02×𝑇;0,2196)
(8.5)
Где:
VАД.—содержание адсорбционного газа, м3/тон.;
TOC—содержание углерода органического происхождения, %;
T—пластовая температура, градус;
P—пластовое давление, МПа.
Таким образом было оценено содержание адсорбционного газа с калибровки
изотерм Ленгмюра. Результат показан в рисунке 8.3. Видно, что результат анализа
методом изотерм Ленгмюра (VАД.(Лаб)) примерно совпадает с результатом
прогнозирования содержания адсорбционного газа (VАД.(Модель)). Следовательно,
модель эффективна для прогнозирования содержания адсорбционного газа.
126
Рисунок 8.3. Результат прогнозирования содержания адсорбционного газа на примере скв. L
8.1.2. Геологические методы прогнозирования растворѐнного газа
Растворѐнный газ в сланцевой залежи в изучаемом регионе включает в себя
две части: растворѐнный газ в нефти и в воде. Из-за низкой растворимости
сланцевого газа в воде, эта часть можно не приниматься во внимание.
Объѐм растворѐнного газа в нефти зависит от остаточной в породе жидкой
УВ и растворимости, то есть зависит от нефтенасыщенности и растворимости.
Многими исследованиями уже доказано, что растворимость природного газа
в нефти зависит от относительной плотности нефти, относительной плотности газа,
пластового давления, пластовой температуры. Обычно, растворимость повышается
с увеличением пластового давления и относительной плотности газа, со снижением
пластовой температуры и относительной плотности нефти.
Vazquez(1980) на основе эмпирических формул, с использованием более 5000
точек из экспериментов предложил свою эмпирическую формулу для расчѐта
127
объѐма растворѐнного газа. Когда относительная плотность нефти ниже 0,876,
относительная плотность газа равна 0,72, растворимость определяется по формуле
8.6:
1,7
R 𝑠 = 0,839592 × P1,187 × 𝑒
3,6585×
𝑇
:1
1000
(8.6)
Где:
Rs—растворимость газа в нефти, м3/м3;
T—пластовая температура, градус;
P—пластовое давление, МПа.
Таким
образом,
после
вычисления
растворимости,
содержание
растворѐнного газа определяется по формуле 8.7:
𝑉РА. =
S1×R𝑠
1000×𝜌𝑂
(8.7)
Где:
VРА.—содержание растворѐнного газа, м3/тон.;
S1—первая вершина пиролиза, мг УВ/г породы;
Rs—растворимость газа в нефти , м3/м3;
𝜌𝑂 —плотность нефти под землѐй, г/см3.
8.1.3. Геологические методы прогнозирования свободного газа
Методы вычисления содержания свободного газа такие же как при
исследовании традиционных ресурсов. Содержание свободного газа определяется
по формуле 8.8:
VСВ. =
∅×S𝑔
𝜌×𝐵𝑔
=
∅×S𝑔
𝜌×0,000378×0,92×(T:273,15)/P
Где:
VСВ. — содержание свободного газа, м3/тон.;
Sg—коэффициент газонасыщенности, %;
Bg—объѐмный коэффициент;
Z—коэффициент сжимаемости, равен 0,92;
Т—пластовая температура, градус;
(8.8)
128
P—пластовое давление, МПа;
𝜌—плотность породы, тон./м3.
Рисунок 8.4. Результат прогнозирования содержания газа в трѐх фациях на примере скв. L
Таким образом, было прогнозировано газосодержание в трѐх фациях, как
показано в рисунке 8.,4. Из рисунке следует, что:
1. Адсорбционный газ в сланцевой залежи преобладает, в слоях С7-2, С7-3
изменяется от 4,2 м3/тонн до 7,3 м3/тонн (10 м3/м3-19 м3/м3), в верхней части
пласта С9 изменяется от 2,4 м3/тонн по 5,5 м3/тон (6 м3/м3-14 м3/м3), занимая
70%-80% общего газосодержания.
2. Свободный газ в слоях С7-2, С7-3 изменяется от 0,2 м3/тон по 1,16 м3/тонн
129
(0,5 м3/м3-4 м3/м3), в верхней части пласта С9 изменяется от 0,6 по 1,9 м3/тонн (1,5
м3/м3-5 м3/м3), занимая 10%-20% общего газосодержания.
3. Растворѐнный газ в слоях С7-2, С7-3 изменяется от 0,07 м3/тонн по 1,8
м3/тонн (0,175 м3/м3-12,5 м3/м3), в верхней части пласта С9 изменяется от 0,5 по
0,8 м3/тонн (1,25 м3/м3-2 м3/м3), занимая 10%-20% общего газосодержания.
8.2. Оценка модели прогнозирования газосодержания методом десорбции
После выноса керна для определения общего содержания газа, широко
применяется метод десорбции. После выноса керна на поверхность, герметично
запечатывают свежие образцы керна в специальный контейнер для десорбции.
Устанавливаем контейнер в специальный аппарат для десорбции с нагревом,
измеряя газосодержание. Эта часть газа называется десорбционным газом. После
этого, измельчаем образцы до размера 0,2464 мм в шаровой мельнице. Шаровая
мельница самостоятельно измеряет объѐм выделенного газа. Эта часть газа
называется остаточный газ. В процессе выноса керна часть газа теряется. Эта
часть
называется
потерянным
газом.
Практическая
модель
общего
газосодержания определяется по формуле (8.9):
V=VДЕ.+VОС.+VПО.
(8.9)
Где:
V—общее газосодержание, м3;
VДЕ.—содержание десорбционного газа, м3;
VОС.—содержание остаточного газа, м3 ;
VПО.—содержание потерянного газа, м3.
Десорбционный газ и остаточный газопределяются в лабораториях, а
потерянный
газ
определяется
математической
моделью
USBM,
которая
предложена учѐным Kissell(1973)[49]. Потерянный газ определяется по формуле
8.10:
VПО. = 𝑉ДЕ. − 𝑘 × √𝑡 + 𝑡0
Где:
(8,10)
130
VПО.—содержание потерянного газа, см3;
VДЕ.—содержание десорбционного газа, см3;
k—наклон линии;
t—время десорбции, мин.;
t0—время потери газа, мин.
Таким образом, можно экспериментально получить общее газосодержание
для калибровки геологической модели прогнозирования газосодержания. Как
показано в рисунке 8.5, сопоставляем результат прогнозирования общего
газосодержания
(VГАЗ(Модель))
с
результатом
десорбции
(VГАЗ(Десорб.)),
результат прогноза хорошо совпадает с результатом экспериментов.
Можно сделать вывод, что в изучаемом регионе, построенная модель для
прогнозирования газосодержания эффективна.
Рисунок 8.5. Сопоставление общего газосодержания из модели с результатом экспериментов десорбции
131
8.3. Построение трѐхмерной геологической модели и подсчѐт геологических
запасов сланцевого газа
Основными исходными данными для построения цифровой геологической
модели являются:
1)
Сейсмические
данные,
структурные
поверхности
по
основным
отражающим горизонтам;
2) Координаты пластопересечения скважин;
3) Результаты обработки данных ГИС;
4) Общие сведения: контуры зон выклинивания, контуры лицензионных
участков, экологические сведения.
Построение трѐхмерной геологической модели С региона и подсчѐт запасов
сланцевого газа выполняются с применением программного комплекса Petrel.
В Бассейне Ордос, как уже отметили в первой главе, для исследования
сланцевого газа был выбран регион С. Размер С региона составляет 40000 м ( по X)
× 40000 м (по Y). Из-за того, что это новый регион для исследования сланцевого
газа, пока нет детальных сейсмических данных целевых пластов. С помощью
существующего отражающего сейсмического горизонта «А», методом схождения
построены структурные карты подошвы и кровли каждого пласта. С помощью
результатов
интерпретации
газосодержания
по
ГИСу
была
построена
геологическая модель распределения газосодержания по объѐму пласта.
Как показано в рисунке 8.6, куб газосодержания показывает, что
газосодержание по площади изменяется незначительно, но по вертикали
изменяется явно и закономерно. Максимальное значение газосодержания
находится в нижней части пласта С7, где куб имеет жѐлтый и зелѐный цвет. В
верхней части пласта С7 мало сланцевого газа. В пласте С7, сланцевый газ
основно существует в серединной и нижней части.
Как показано в рисунке 8.7, в пласте С9, сланцевый газ только богат в
верхней части, где куб газосодержания имеет зелѐный и жѐлтый цвет.
Куб газосодержания ещѐ показывает, что в С регионе, тектоника не сильно
132
влияет на аккумуляцию сланцевого газа, газ существует равномерно по падению.
Рисунок 8.6. Трѐхмерная модель газосодержания пласта C7
Рисунок 8.7. Трѐхмерная модель газосодержания пласта C9
Таким образом, были подсчитаны запасы пласта С7 и верхней части пласта
С9, как показано в таблице 8.1. Запасы сланцевого газа пласта С7 составляют
133
7,5136×1012м3, а запасы сланцевого газа верхней части пласта С9 составляет
2,1248×1012м3.
Перспективным регионом для разведки и разработки залежей сланцевого
газа является юго-западный часть С региона, где толщина сланцев толще всего.
Таблица 8.1. Запасы сланцевого газа исследуемых пластов
Пласт С7
Верхняя часть пласта С9
Запасы сланцевого газа (м3)
7,5136×1012
2,1248×1012
134
Заключение
Диссертационная работа состоит из введения, восьми глав, заключения и
библиографического списка использованной литературы. Общий объѐм работы
составляет 143 страниц и включает 76 рисунков.
Исходными данными для работы послужили материалы ГИС по 25
скважинам, данные сейсмических исследований, геохимических исследований,
результаты экспериментов десорбции, результатов исследований XRD, СЭМ.
Основные результаты проведѐнного исследования:
1. Разработана методика определения типов пород в континентальных
отложениях, содержащих залежи сланцевого газа, основана на анализе
статистических связей данных ГИС и литологии. Уточнѐн тип породы в
сланцевом разрезе, скорректирован разрез по результатам описания шлама.
2. Выполнена детальная корреляция разрезов всех скважин отложений
С7,С8, С9 в пределах С региона по единой методике в «Petrel».
3. Определены фации разных стадий осадконакопления С7.
4. Откорректировано предыдущее прогнозирование пластового давления в
исследуемых
пластах.
Доказано
наличие
аномально-высокого
пластового
давления. Выполнено прогнозирование аномального пластового давления, которое
в пласте С7 и в верхней части пласта С9 изменяется от 1,2 до 1,6 по отношению к
гидростатическому.
5. Установлено региональное поле температур.
6. Проанализировано более чем 500 образцов с помощью Rock-Eval.
Выяснены геохимические свойства сланцевого коллектора: отражательная
способность витринита изменяется от 0,82% по 1,12%, господствуют керогены
первого и второго типа, Сорг больше 4% в исследованных пластах, имеет
огромный потенциал для генерации УВ.
7. Методом △ LogR успешно спрогнозировано содержание углерода
органического происхождения. Построено три модели для прогнозирования С орг и
135
успешно применено в оценке содержания органического вещества в изучаемом
регионе. Среди этих моделей, модель АК-ЭС наиболее эффективно применена в
регионе исследования.
8.
Методом
нормирования
данных
ГИС
повышена
точность
прогнозирования Сорг. Пройдено нормирование данных ГИС 25 скважин.
9. Построена объѐмная модель для интерпретации коллекторских свойств
сланцевой залежи.
10. С помощью ренгенодифракционного анализа и ГК, АК-ГГМ-п оценено
содержание
глины
в
пласте.
Заложена
хорошая
база
для
дальнейшей
интерпретации коллекторских свойств. Содержание глины в пластах С7>C9>C8,
среднее значение содержания глины в пласте С7 составляет 53,09%, среднее
значение содержания глины С9 составляет 43,68%. При проведении ГРП будет
проблема с таким высоким содержанием глины.
11. Проанализировано 150 образцов из 20 скважин с помощью аппарата
PDP-200 для анализа пористости и проницаемости сланцев. Подтверждена низкая
эффективная пористость (меньше 5%) и низкая проницаемость (меньше 0,02 мД).
13. Совместно технологий СЭМ, лабораторного анализа образцов сланцев с
помощью PDP-200, каротажной кривой ГГМ-п, многоминеральной объѐмной
модели сланцевого коллектора оценена пористость сланцевого коллектора.
14. Используя совместно модели Simandoux и объѐмной модели сланцевого
коллектора была интерпретирована водонасыщенность пласта.
15. Установлена связь между Сорг и S1 методом экспоненциальной регрессии.
С помощью прогнозированного Сорг оценена нефтенасыщенность.
16. Методом десорбции уточнена модель прогнозирования газосодержания
сланцевого коллектора. Построена трѐхмерная геологическая модель и с помощью
этой модели подсчитаны запасы пласта С7 (7,5136×1012м3) и верхней части
пласта С9 (2,1248×1012м3). Перспективным регионом для разведки и разработки
залежей сланцевого газа является юго-западный часть С региона, где толщина
сланцев толще всего.
136
17. После того, как оценѐн геологический запас, нужно проводиться
геомеханическая оценка сланцевого коллектора для проектирования ГРП.
137
Библиографический список использованной литературы
1. Чжан Давэй. Интерпретация "План развития сланцевого газа (2011-2015)" [Дж]. Газовая
промышленность, 2012, 32 (4). DOI: 10,3787 / j.issn.1000-0976.2012.04.002.
Zhang Dawei. Interpretation of "The development plan of shale gas (2011-2015)" [J]. Natural gas industry, 2012,
32 (4). DOI:10.3787/j.issn.1000-0976.2012.04.002.
张 大 伟 . 《 页 岩 气 发 展 规 划 (2011-2015 年 ) 》 解 读 [J]. 天 然 气 工 业 , 2012, 32(4).
DOI:10.3787/j.issn.1000-0976.2012.04.002.
2. Управление энергетической информации. Сланцевый газ и перспективы для рынков природного газа
США и глобальных газовых ресурсов [EB / OL]. [2011 -05 -10]. http://www.eia.gov/ сообщает.
EIA. Shale gas and the outlook for U.S. natural gas markets and global gas resources[EB/OL]. [2011 -05 -10].
http://www.eia.gov/ reports.
3. Управление энергетической информации. Мировые ресурсы сланцевого газа: Первоначальная оценка
14 регионах за пределами США[J/OL]. [2011-04-05].
http://www.eia.doe.gov/dnav/ng/ng_prod_shale_gas_s1_a.htm.
EIA. World shale gas resources: an initial assessment of 14 regions outside the United States[J/OL].
[2011-04-05].
http://www.eia.doe.gov/dnav/ng/ng_prod_shale_gas_s1_a.htm.
4. EIA/RIA. Технически извлекаемые ресурсы сланцевой нефти и сланцевого газа: оценка 137 сланцевых
пластов в 41 странах за пределами Соединѐнных Штатов[2013-06-10].
http://www.eia.gov/analysis/studies/worldshalegas/
EIA/RIA. Technically Recoverable Shale Oil and Shale Gas Resources: An Assessment of 137 Shale
Formations in 41 Countries Outside the United States.[2013-06-10].
http://www.eia.gov/analysis/studies/worldshalegas/
5. Ли Гашен, Цюй Хуэй. Неопределѐнные факторы газовой промышленности Китая[Дж].
Международная нефтяная экономика, 2015, 23 (3).
Li Guosheng, Qu Hui. Uncertainties facing natural gas industry development in China [J]. International
Petroleum Economics, 2015, 23 (3).
李国生, 瞿辉. 我国天然气产业发展面临的不确定性因素[J]. 国际石油经济, 2015, 23(3).
6. ВР. Статистический обзор мировой энергетики 2015 г.—Обзор 2014 г.: Природный gas.2015.
http://www.bp.com/en/global/corporate/about-bp/energy-economics/statistical-review-of-world-energy/2014-inreview/natural-gas.html
BP. Statistical Review of World Energy 2015/2014 in Review: Natural gas.2015.
http://www.bp.com/en/global/corporate/about-bp/energy-economics/statistical-review-of-world-energy/2014-inreview/natural-gas.html
7. Ван Сянцзэн. Озѐрный сланцевый газ[М]. Нефтяная промышленность Пресс. 2014.
Wang Xiangzeng. Lacustrine shale gas[M]. Petroleum Industry Press, 2014.
王香增. 陆相页岩气[M]. 石油工业出版社. 2014.
8. Гао Ган, Хань Юнлинь, Фан Хунче и др. Характеристики коллектора и его отношения с миграцией и
аккумуляцией нефти пласта Chang4 + 5-Chang6 Верхнего Триасового отдела в Hujianshan области, Ордос
Бассейн [Дж]. Геонаука природного газа, 2011, 22 (4): 576-581. DOI: 10,2307 / 1967374.
Gaogang, Han Yonglin, Fan HongChe et al. Reservoir characteristics and its relationships with migration and
accumulation of oil of Chang4+5-Chang6 formation of Upper Triassic Series in Hujianshan area, Ordos Basin
[J]. Natural Gas Geoscience, 2011, 22 (4): 576-581. DOI:10.2307/1967374.
高岗, 韩永林, 范泓澈,等. 鄂尔多斯盆地胡尖山地区上三叠统延长组长 4+5—长 6 段储层特征及其与石油
运聚关系[J]. 天然气地球科学, 2011, 22(4):576-581. DOI:10.2307/1967374.
138
9. Чжан Лин Сен. Геологические характеристики и эффективная разведка мезозойских пластов Янчан
месторождения [M]. Нефтяная промышленность Пресс. 2011.
Zhang Linsen. Geological characteristics and efficient exploration of Mesozoic formations of Yanchang Oil
Field[M]. Petroleum Industry Press.2011.
张林森. 延长油田中生界石油地质特征与高效勘探[M]. 石油工业出版社. 2011.
10. Прошляков Б К. Литология: Учебное пособие / Б К. Прошляков, В Г. Кузнецов: M, Недра, 1991. –
444с.
11. Джексон J A, Бейтс R Л. Словарь геологии: Американский геологический институт[Дж].
Александрия, Вирджиния, 1997.
Jackson J A, Bates R L. Glossary of Geology: American Geological Institute[J]. Alexandria, Virginia, 1997.
12. Каналин В Г. Нефтепромысловая геология и гидрогеология : /Учебник В. Г. Каналин, С Б, Вагин, М А.
Токарев, Г.А. Ланчаков, В.А.Тимофеев – M: Недра, 1997. - 366 с.
13. Чоловский И П. Нефтегазопромысловая геология и гидрогеология залежей углеводородов (понятия,
определения, термины) : учебное пособие / Ю.И.Брагин, И П. Чоловский, М М. Иванова, И. С. Гутман
С.Б. Вагин, Ю.И Брагин. М.: ГУП Нефть и газ, 2002. – 399 с.
14. Гутман И С. Методические рекомендации к корреляции разрезов скважин : методические
рекомендации / И С. Гутман. - М.: Недра, 2013. – 112с.
15. Романовский С И. Седиментологические основы литологии: монография / - С И. Романовский. - М.:
Недра, 1977. – 408 с.
16. Рединг Х. Обстановки осадконакопления и фации: монография / Х. Рединг. 1990. – 736 с.
17. Чжан Цзиньцюань, Сюй Бо, Ниэ Хай Куан и др. Потенциал разведки сланцевого газа в Китае [Дж]
газовой промышленности, 2008, 28 (6) : 136-140 DOI :. 10,3787 / j.issn.1000-0976.2008.06.040.
Zhang Jinchuan, Xu Bo, Nie Haikuang etc. The potential of shale gas exploration in China[J] Natural Gas
Industry, 2008, 28 (6): 136-140 DOI:. 10.3787 / j.issn.1000-0976.2008.06.040.
张 金 川 , 徐 波 , 聂 海 宽 , 等 . 中 国 页 岩 气 资 源 勘 探 潜 力 [J]. 天 然 气 工 业 , 2008, 28(6):136-140.
DOI:10.3787/j.issn.1000-0976.2008.06.040.
18. Тан Ин, Чжан Цзиньцюань Лю Чжуцзян и др. Метод десорбции для измерения содержания
сланцевого газа и его улучшение [Дж]. Газовая промышленность, 2011, 31 (10): DOI: 10,3787 /
j.issn.1000-0976.2011.10.026. 108-112.
Tang Ying, Zhang Jinchuan, Liu Zhujiang et al. The desorption method for measuring shale gas content and its
improvement[J]. Natural gas industry, 2011, 31 (10): DOI:10.3787/j.issn.1000-0976.2011.10.026. 108-112.
唐颖, 张金川, 刘珠江,等. 解吸法测量页岩含气量及其方法的改进[J]. 天然气工业, 2011, 31(10):108-112.
139
DOI:10.3787/j.issn.1000-0976.2011.10.026.
19. Сюн Вэй Го Вэй, Лю Хун Лин и др. Характеристики коллектора и изотермической адсорбции
сланца[Дж]. Газовая промышленность, 2012, 32 (1): DOI: 10,3787 / j.issn.1000-0976.2012.01.025.
Xiong Wei, Guo Wei, Liu Honglin et al. Reservoir characteristics and isothermal adsorption characteristics of
shale[J]. Natural gas industry, 2012, 32 (1): DOI:10.3787/j.issn.1000-0976.2012.01.025.
熊伟, 郭为, 刘洪林,等 . 页岩的储层特征以及等温吸附特征 [J]. 天然气工业 , 2012, 32(1):113-116.
DOI:10.3787/j.issn.1000-0976.2012.01.025.
20. Gutierrez M A, Couzens B B A. Калибровка и рейтинг моделей прогнозирования порового давления
[Дж]. Leading Edge, 2006, 25 (12): 1516-1523.
Gutierrez M A, Couzens B B A. Calibration and ranking of pore-pressure prediction models[J]. Ведущий край,
2006, 25(12):1516-1523.
21. Eaton B A. Влияние стресса на прогнозирование геостатического давления с помощью данных
ГИС[Дж]. Журнал нефтяных технологий, 1972, 24 (08): 929-934.
Eaton B A. The effect of overburden stress on geopressure prediction from well logs[J]. Journal of Petroleum
Technology, 1972, 24(08): 929-934.
22. Eaton B A. Уравнение для прогнозирования геостатического давления с помощью данных ГИС[C] //
Fall собрания Общества инженеров-нефтяников Эме. Общество инженеров-нефтяников, 1975.
Eaton B A. The equation for geopressure prediction from well logs[C]//Осеннее собрание SPE AIME. SPE,
1975.
23. Eaton B A, Eaton T L. Прогнозирование градиента разлома для нового поколения [Дж]. Всемирная
нефть, 1997, 218 (10): 93-100.
Eaton B A, Eaton T L. Fracture gradient prediction for the new generation[J]. World Oil, 1997, 218(10): 93-100.
24. Ali A H A, Brown T, Delgado R и др. Смотрите на изменение пород — Петромеханическое
моделирование[Дж]. Обобщение нефтяного месторождения, 2003, 15(1): 22-39.
Ali A H A, Brown T, Delgado R, et al. Watching Rocks Change—Mechanical Earth Modeling[J]. Oilfield
Review, 2003, 15(1): 22-39.
25. Бакиров А А, Под ред. В. И Ермолкина. Геология и геохимия нефти и газа: учебник /. А А. Бакиров,
М В. Бордовская, В. И. Ермолкин. Под ред. В.И. Ермолкина. М.: Недра, 1993. – 288с.
140
26. Баженова О. К., Геология и геохимия нефти и газа: учебник / О. К.,
Баженова, Ю. К. Бурлин, Б. А.
Соколов, В.Е.Хаин. - М.: Издательство МГУ, 2012. – 432 с.
27. Forsman J P, Hunt J M. Нерастворимое органическое вещество(кероген) в осадочных породах[Дж].
1958, 15(3):170-182.
Forsman J P, Hunt J M. Insoluble organic matter (kerogen) in sedimentary rocks[J]. 1958, 15(3): 170-182.
28. Tixier M P, Curtis M R. Прогнозировать месторождение сланцевой нефти[Р]. Шлюмберже, 1967.
Tixier M P, Curtis M R. Oil shale yield predicted from well logs[R]. Schlumberer Well Sur Corp, 1967.
29. Schmoker J W. Определение содержания органического вещества девонских сланцев бассейна
Аппалачи из ГМ[Дж]. ААГН Бюллетень, 1981, 65 (7): 1285-1298.
Schmoker J W. Determination of organic-matter content of Appalachian Devonian shales from gamma-ray
logs[J]. AAPG Bulletin, 1981, 65(7): 1285-1298.
30. Schmoker J W, Hester T C. Углерод органического происхождения в пласте Баккен, часть Виллистон
бассейна США[Дж]. ААГН Бюллетень,1983. 67(12): 2165-2174.
Schmoker J W, Hester T C. Organic carbon in Bakken formation, United States portion of Williston basin[J].
AAPG Bulletin,1983. 67(12): 2165-2174.
31. Meyer B, Nederlof M. Идентификация материнских пород на ГИС путѐм кроссплота ГГМ-п/ЭС и
АК/ЭС. ААГН Бюллетень, 1984. 68(2): 121-129.
Meyer B, Nederlof M.Identification of source rocks on wireline logs by density/resistivity and sonic transit
time/resistivity crossplots. AAPG Bulletin,1984. 68(2): 121-129.
32. Passey Q. Практичная модель для определения содержания органического вещества по данным ГИС
пористости и удельного сопротивления. ААГН Бюллетень, 1990. 74(12):1777-1794.
Passey Q. A practical model for organic richness from porosity and resistivity logs. AAPG bulletin, 1990.
74(12):1777-1794.
33. Huang Z, Williamson M A. Моделирование искусственных нейронных сетей в качестве решения для
определения характеристик материнских пород[Дж]. Морская и нефтяная геология, 1996, 13(2):277-290.
Huang Z, Williamson M A. Artificial neural network modelling as an aid to source rock characterization[J].
Marine & Petroleum Geology, 1996, 13(2):277-290.
34. Neinast G S, Knox C C. Нормирование данных ГИС[C] // SPWLA 14-я ежегодный симпозиум ГИС.
Сообщество Петрофизик и Аналитик данных ГИС, 1973.
Neinast G S, Knox C C. Normalization of well log data[C]//SPWLA 14th Annual Logging Symposium. Society
141
of Petrophysicists and Well-Log Analysts, 1973.
35. Aguirre O, Antelo R. Нормирование данных ГИС, очень важная задача в петрофизических оценках в
месторождениях La Peña и Tundy [C] // SPE Латинской Америки и Карибской нефтяной технической
конференции. Общество инженеров-нефтяников, 2001 года.
Aguirre O, Antelo R. Log Normalization, a Very Important Task in the Petrophysical Evaluation for La Peña and
Tundy Fields[C]//SPE Latin American and Caribbean Petroleum Engineering Conference. Society of Petroleum
Engineers, 2001.
36. Bornemann E, Doveton J H. Нормирование данных ГИС методом анализа трендовой
поверхности[Дж].Аналитик данных ГИС, 1981, 22 (04).
Bornemann E, Doveton J H. Log normalization by trend surface analysis[J]. The Log Analyst, 1981, 22(04).
37. Вендельштейн Б Ю, Резванов Р А. Геофизические методы определения параметров нефтегазовых
коллекторов[J]. М.: Недра.–1978, 2015.
38. Лукс Р Г, Рид Р М, Рупппл С и др. Спектр типов пор и сетей в глинистых породах и описательная
классификация для матрично-связанных пор глинистых пород[Дж]. ААГН бюллетень, 2012 г., 96 (6):
1071-1098.
Loucks R G, Reed R M, Ruppel S C, et al. Spectrum of pore types and networks in mudrocks and a descriptive
classification for matrix-related mudrock pores[J]. AAPG bulletin, 2012, 96(6): 1071-1098.
39. Амаефул Дж О, Вулф К, Валлс Дж Д, и др. Лабораторное определение эффективной проницаемости
жидкости в низко-качественной коллекторских породах с помощью технологии импульсной
Дарси[C]//НПП Калифорния Регионального совещания. Общество инженеров-нефтяников, 1986.
Amaefule J O, Wolfe K, Walls J D, et al. Laboratory determination of effective liquid permeability in
low-quality reservoir rocks by the pulse decay technique[C]//SPE California Regional Meeting. Society of
Petroleum Engineers, 1986.
40. Джонс Ы С. Техника для быстрого измерения проницаемости импульсной Дарси в плотных
породах[J]. Сообщество инженеров-нефтяников Оценка коллекторов, 1997, 12(1):19-25.
Jones S C. A Technique for Faster Pulse-Decay Permeability Measurements in Tight Rocks[J]. SPE Formation
Evaluation, 1997, 12(1):19-25.
41. Шмидт A В, Ланд А Г, Юнкер Дж Д, и др. Применение технология CORIBAND для сложных
литологий[C]//SPWLA 12-тый ежегодный симпозиум ГИС. Сообщество петрофизиков и анализиков
каротажных кривых, 1971.
142
Schmidt A W, Land A G, Yunker J D, et al. Applications of the CORIBAND technique to Complex
lithologies[C]//SPWLA 12th Annual Logging Symposium. Society of Petrophysicists and Well-Log Analysts,
1971.
42. Седжесман Ф, Лю О. Влияние раскопки[C]//SPWLA 12-тый ежегодный симпозиум ГИС. Сообщество
петрофизиков и анализиков каротажных кривых, 1971.
Segesman F, Liu O. The excavation effect[C]//SPWLA 12th Annual Logging Symposium. Society of
Petrophysicists and Well-Log Analysts, 1971.
43. Хэррон С Л, Ле Тендр Л. Оценка эволюции материнских пород в Парижском бассейне[Дж]. ААГН
Исследования в геологии, 1990, 30(57).
Herron S L, Le Tendre L. Wireline source rock evaluation in the Paris Basin[J]. AAPG Studies in Geology, 1990,
30(57).
44. Дахнов В Н. Геофизические методы определения коллекторских свойств и нефтегазонасыщения
горных пород : Монография / В.Н. Дахнов. – М.: Недра, 1985. – 310с.
45. Арчи Г Е. Каротаж электрического сопротивления в качестве помощи в определении некоторых
характеристик резервуара[Дж]. Операции АЙМЕ, 1942, 146(01): 54-62.
Archie G E. The electrical resistivity log as an aid in determining some reservoir characteristics[J]. Transactions
of the AIME, 1942, 146(01): 54-62.
46. Саймандоукс П. Диэлектрические измерения в пористых средах, применение для измерения
водонасыщенности: исследования характеристик глинистых пластов[Дж]. Ревю де Л'институт Франсэ
дю нефти, 1963, 18: 193-215.
Simandoux P. Dielectric measurements on porous media, application to the measurements of water saturation:
study of behavior of argillaceous formations[J]. Revue de L'institut Francais du Petrole, 1963, 18: 193-215.
47. Клавир С, Коутс Г, Думаноир Дж. Теоретические и экспериментальные основания для модели
двойной воды при интерпретации сланцевых песчаников[Дж]. Общество инженеров-нефтяников, 1984,
24 (02): 153-168.
Clavier C, Coates G, Dumanoir J. Theoretical and experimental bases for the dual-water model for interpretation
of shaly sands[J]. Society of Petroleum Engineers, 1984, 24(02): 153-168.
48. Джи В, Сон Я, Цзян Чж, и др. Геологические управления и алгоритмы для оценки адсорбционной
ѐмкости озѐрного сланцевого газа: на примере исследования триасового отдела в юго-восточном
бассейне Ордос, Китай [Дж]. Международный журнал угольной геологии, 2014, 134: 61-73.
143
Ji W, Song Y, Jiang Z, et al. Geological controls and estimation algorithms of lacustrine shale gas adsorption
capacity: A case study of the Triassic strata in the southeastern Ordos Basin, China[J]. International Journal of
Coal Geology, 2014, 134:61–73.
49. Кисселл Ф Н, Маккаллок З М, Старейшина С Н, и др. Прямой метод определения содержания метана
из угольного пласта для вентиляции конструкции.[Дж]. Питтсбург Пенсильвания США.отдел
внутренних бюр испокаемых Ри, 1973.
Kissell F N, Mcculloch C M, Elder C H, et al. Direct method of determining methane content of coalbeds for
ventilation design.[J]. Pittsburgh Pa U.S.department of the Interior Bureau of Mines Ri, 1973.