一种枝蔓状河道砂体水平井轨迹优化方法及系统

技术领域

本发明涉及一种枝蔓状河道砂体水平井轨迹优化方法及系统，属于油气田开发技术领域。

背景技术

渤海海域明化镇组大量发育浅水三角洲相沉积储层类型，主力储层为水下分流河道沉积，河道纵向厚度薄、平面宽度窄，多期窄河道在纵向上叠置发育，平面上呈现枝蔓状分布，砂体空间结构关系、储层内部连通关系及流体的分布规律非常复杂，给开发井网的部署和储量动用带来巨大挑战。

目前，开发水平井一般部署在油层厚度大、储层平面分布稳定的位置，最大程度保证水平井的砂岩钻遇，在河流相、浅水三角洲相储层中，一般考虑部署在单一河道主体部位。然而对于枝蔓状河道砂体，为最大程度动用储量，水平井多为穿两期或多期窄河道设计。钻井实施过程表明，窄河道边部储层变化快、储层着陆难度大、入储层位置不确定，多期河道流体系统不确定，水平段的实施面临极大的风险。

因此，如何最大程度综合已钻井信息，提高储层空间结构的研究精度和定量化程度，对后续实施的水平井轨迹进行优化，提高水平井段砂岩钻遇率，提高油田的采收率，是枝蔓状河道储层开发面临的重要技术难题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提供一种枝蔓状河道砂体水平井轨迹优化方法，该方法以储层空间结构预测和含油气性评价为目标，综合储层边界预测、储层分类评价、储层不连续界限及连通率预测和叠前流体反演结果，提供水平井轨迹优化方案。

为实现上述目的，本发明采取以下技术方案：

第一方面，本发明提供的一种枝蔓状河道砂体水平井轨迹优化方法，包括：

根据井上实际钻遇砂体信息，结合沉积相平面展布规模，建立砂体机理模型并正演合成记录，通过分析实际资料与正演记录的关系，得到储层边界预测结果；

利用已钻井储层分类信息，结合区域沉积特征，建立砂体储层分类评价标准，并获取与已钻井储层分类信息一致的平面储层分类结果，统计已钻水平井水平段位于不同类型储层位置的砂岩钻遇情况；

筛选对于储层结构敏感的地震属性，在其基础上采用全方位正交梯度算法得到储层不连续界限属性，用于评价储层内部连通性；

利用叠前反演方法获得流体敏感参数的反演结果，并提取平面属性，根据井上实际钻遇流体信息和砂岩顶面构造分布，确定流体敏感属性反映油和水的阈值，得到储层油、水的平面分布位置；

对得到的储层分析结论进行优先级排序，建立目标砂体水平井轨迹优化决策树，提出水平井轨迹调整优化建议。

所述的枝蔓状河道砂体水平井轨迹优化方法，优选地，所述的根据井上实际钻遇砂体信息，结合沉积相平面展布规模，建立砂体机理模型并正演合成记录，通过分析实际资料与正演记录的关系，得到储层边界预测结果具体为：

选取典型过井剖面，结合已钻井钻遇砂体信息，确定目标砂体涵盖的沉积微相类型、不同沉积微相的发育尺度以及可能存在的沉积微相组合；

确定不同沉积微相类型对应的岩石物理参数，然后将井上实际钻遇砂体信息简化为砂体机理模型，选取跟地震资料主频一致的子波，制作合成地震记录，建立正演记录与实际地震响应之间的标定关系式；

建立厚度和沉积微相组合的多参数变量储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系式即可通过多参数变量储层模型预测储层边界对应的属性阈值。

所述的枝蔓状河道砂体水平井轨迹优化方法，优选地，所述的标定关系式为Attr’＝85.2*Attr+3438.3，其中Attr’表示实际的地震属性值，Attr表示正演记录的地震属性值。

所述的枝蔓状河道砂体水平井轨迹优化方法，优选地，所述的利用已钻井储层分类信息，结合区域沉积特征，建立砂体储层分类评价标准，利用多属性神经网络聚类等方法获得跟已钻井储层分类信息一致的平面储层分类结果，统计已钻水平井水平段位于不同类型储层位置的砂岩钻遇情况具体为：

根据井上钻遇砂体测井曲线特征，结合区域沉积规律认识，建立枝蔓状河道砂岩储层分类评价标准；

解释目标砂体顶底，在地震数据上提取能够反映储层平面展布特征的多种地震属性，采用多属性神经网络聚类方法获得跟已钻井储层分类信息一致的储层分类评价结果；

利用目标砂体已钻水平井信息，统计水平段位于不同储层类型时，水平段钻遇的砂岩段的长度，统计水平段位于不同类型储层范围时对应的砂岩钻遇率。

所述的枝蔓状河道砂体水平井轨迹优化方法，优选地，所述的筛选对于储层结构敏感的地震属性，在其基础上采用全方位正交梯度算法得到储层不连续界限属性，用于评价储层内部连通性具体为：

利用地震数据和目标砂体顶、底解释层位提取振幅、波形、频率类地震属性，从中筛选出对储层空间结构敏感的平面地震属性，记为Attr(x,y)；

通过下式计算平面地震属性沿不同正交方位的的变化梯度：

Gra

Gra

式中，Gra

通过下式计算全方位正交梯度：

对全方位正交梯度进行统计分析，利用如下高斯分布函数得到各方向正交梯度的高斯分布特征：

式中，μ表示正交梯度G的数学期望值；σ表示正交梯度G的标准差；

基于各方向正交梯度高斯分布的加权平均获得平面地震属性变化率，即不连续界限属性：

g＝∑

所述的枝蔓状河道砂体水平井轨迹优化方法，优选地，所述的水平井轨迹调整优化建议具体为：

如果当前设计的井轨迹同时满足以下四个条件，即位于岩性边界预测阈值之内、且储层类型为一类或二类、未钻遇或者钻遇界限的连通性较好且不存在流体风险时，则保持当前水平段轨迹；如果其中任何一个条件无法满足，则需要对水平段井轨迹进行优化。

第二方面，本发明提供的一种枝蔓状河道砂体水平井轨迹优化系统，包括：储层分析结论获取单元，用于获取储层分析结论：水平井轨迹优化单元，用于对得到的储层分析结论进行优先级排序，建立目标砂体水平井轨迹优化决策树，提出水平井轨迹调整优化建议。

所述的枝蔓状河道砂体水平井轨迹优化系统，优选地，所述储层分析结论获取单元包括：

第一处理单元，用于根据井上实际钻遇砂体信息，结合沉积相平面展布规模，建立砂体机理模型并正演合成记录，通过分析实际资料与正演记录的关系，得到储层边界预测结果；

第二处理单元，用于利用已钻井储层分类信息，结合区域沉积特征，建立砂体储层分类评价标准，获取与已钻井储层分类信息一致的平面储层分类结果，统计已钻水平井水平段位于不同类型储层位置的砂岩钻遇情况；

第三处理单元，用于筛选对于储层结构敏感的地震属性，在其基础上采用全方位正交梯度算法得到储层不连续界限属性，用于评价储层内部连通性；

第四处理单元，用于利用叠前反演方法获得流体敏感参数的反演结果，并提取平面属性，根据井上实际钻遇流体信息和砂岩顶面构造分布，确定流体敏感属性反映油和水的阈值，得到储层油、水的平面分布位置。

第三方面，本发明提供的一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明第一方面所述的枝蔓状河道砂体水平井轨迹优化方法的步骤。

第四方面，本发明提供的一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现本发明第一方面所述的枝蔓状河道砂体水平井轨迹优化方法的步骤。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明通过砂体机理模型建立及正演研究，得到了正演合成记录与实际地震响应的标定关系式，并通过不同厚度、岩性组合关系的模型正演及实际地震响应关系转换，得到了储层边界对应的属性阈值。

2、本发明通过在反映储层平面展布变化的地震属性基础上采用全方位正交梯度算法，能够获取反映储层内部结构和连通性变化的不连续界限属性。

3、本发明综合多种方法手段对枝蔓状河道砂岩储层的空间结构和流体分布进行了预测，建立了砂体水平井轨迹优化决策树，有力地支撑了开发水平井轨迹的优化。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：

图1为本发明一实施例提供的枝蔓状河道砂体水平井轨迹优化方法的流程图；

图2为本发明一实施例提供的井点地震正演与实际地震响应关系图版；

图3为本发明一实施例提供的砂体单元储层边界预测结果图；

图4为本发明一实施例提供的砂体单元储层分类预测结果图；

图5为本发明实施提供的砂体单元不同储层类型砂岩钻遇率统计图版；

图6为本发明一实施例提供的砂体单元储层不连续界限属性图；

图7为本发明一实施例提供的砂体单元流体检测属性图；

图8为本发明一实施例提供的砂体单元水平井轨迹优化决策树示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面，结合附图对本发明实施例提供的枝蔓状河道砂体水平井轨迹优化方法及系统进行详细的说明。

实施例1：

本实施例以渤海某油田枝蔓状河道砂体单元作为实例作进一步说明，请参阅图1，本实施例提出的一种枝蔓状河道砂体水平井轨迹优化方法，包括以下步骤：

S100.根据井上实际钻遇砂体信息，结合沉积相平面展布规模，建立砂体机理模型并正演合成记录，通过分析实际资料与正演记录的关系，得到储层边界预测结果，具体过程如下：

S101.选取典型过井剖面，结合已钻井钻遇砂体信息，确定目标砂体涵盖的沉积微相类型、不同沉积微相的发育尺度以及可能存在的沉积微相组合。目标砂体对应的沉积微相可划分为河道主体、河道边部、溢岸、河道间泥岩四种类型，根据井上钻遇的砂体发育情况，以及井间对比关系，判断该目标砂体单期河道砂体厚度一般不超过10m，纵向上一般为单期或两期沉积，地层厚度一般不超过15m，累计砂体厚度一般不超过15m。

S102.确定不同沉积微相类型对应的岩石物理参数，然后将井上实际钻遇砂体信息简化为砂体机理模型，选取跟地震资料主频一致的子波，制作合成地震记录，建立正演记录与实际地震响应之间的标定关系式(请参阅图2)。所有已钻井的正演记录与实际地震属性具有较好的线性相关性，相关系数为0.82，说明砂体机理模型的参数选取合理，能够真实地反映地下储层的实际情况，建立的标定关系式为Attr’＝85.2*Attr+3438.3，其中Attr’表示实际的地震属性值，Attr表示正演记录的地震属性值，根据该标定关系式即可通过多参数变量储层模型正演振幅属性计算真实的振幅属性。

S103.建立厚度和沉积微相组合的多参数变量储层模型，使其能够覆盖目标砂体可能的各种储层发育情况，设定储层边界对应的储层参数范围，根据标定关系式即可通过多参数变量储层模型预测储层边界对应的属性阈值。

根据目标砂体实例设计的多参数变量的砂体机理模型考虑了单期砂体发育情况及厚度变化，河道主体厚度设定为0～20m，河道边部设定为0～5m，溢岸设定为0～5m，同时考虑两期砂体发育情况及厚度、预测储层边界对应的属性阈值微相组合关系的变化，设计了上溢岸下河道、上河道边部下河道、上下均为河道的组合关系，且砂地比分布范围为0～1，根据正演结果及标定图版，当实际振幅属性值大于-5000时，对应单期河道边部沉积、溢岸沉积厚度小于5m，或者在地层厚度小于15m的情况下砂地比低于40％或溢岸厚度占比大于80％的情况，水平井实施情况较差，可认为是储层边界，因此可以将-5000设定为储层边界阈值。图3所示为目标砂体实例圈定的岩性边界示意图，该图可以为开发定向井或水平井规划提供参考，井位部署时应尽量使其位于储层边界之内，以保证开发井砂岩钻遇率，提高实施效果。

S200.利用已钻井储层分类信息，结合区域沉积特征，建立砂体储层分类评价标准，利用多属性神经网络聚类等方法获得跟已钻井储层分类信息一致的平面储层分类结果，统计已钻水平井水平段位于不同类型储层位置的砂岩钻遇情况，具体过程如下：

S201.根据井上钻遇砂体测井曲线特征，结合区域沉积规律认识，建立枝蔓状河道砂岩储层分类评价标准。目标砂体储层可分为三类，一类储层对应分流河道主体部位，砂厚大于7m，砂地比大于0.8，二类储层对应河道边部及决口扇部位，砂厚5～7m，砂地比分布范围0.6～0.8；三类储层对应河道边部、溢岸部位，砂厚小于5m，砂地比低于0.6。

S202.解释目标砂体顶底，在地震数据上提取能够反映储层平面展布特征的多种地震属性，采用多属性神经网络聚类方法获得跟已钻井储层分类信息一致的储层分类评价结果，图4所示为储层平面分类预测结果。

S203.利用目标砂体已钻水平井信息，统计水平段位于不同储层类型时，水平段钻遇的砂岩段的长度，统计水平段位于不同类型储层范围时对应的砂岩钻遇率，如果该砂体已钻水平井数较少，无法得到统计规律，可以利用油田范围内与目标砂体沉积特征一致，地理位置和储层埋深相近的砂体已钻水平井参与统计，图5所示为不同类型储层统计得到的砂岩钻遇率结果，根据统计结果可知，一类储层剔除部分井点纵向钻出储层，砂岩钻遇率大于80％，二类储层砂岩钻遇率为60％～80％，三类储层砂岩钻遇率小于40％，因此水平井轨迹应尽量位于一类、二类储层范围，以保证砂岩钻遇率。

S300.筛选对于储层结构敏感的地震属性，在其基础上采用全方位正交梯度算法得到储层不连续界限属性，用于评价储层内部连通性，具体过程如下：

S301.利用地震数据和目标砂体顶、底解释层位提取振幅、波形、频率类地震属性，从中筛选出对储层空间结构敏感的平面地震属性，记为Attr(x，y)。

S302.通过下式计算平面地震属性沿不同正交方位的的变化梯度：

Gra

GFa

式中，Gra

S303.通过下式计算全方位正交梯度：

S304.对全方位正交梯度进行统计分析，利用如下高斯分布函数得到各方向正交梯度的高斯分布特征：

式中，μ表示正交梯度G的数学期望值；σ表示正交梯度G的标准差。

S305.基于各方向正交梯度高斯分布的加权平均获得平面地震属性变化率，即不连续界限属性：

g＝∑

图6所示为目标砂体储层不连续界限属性，属性值分布范围为0～1，值越大表示储层连通性越好，值越小表示储层连通性越差。

S400.利用叠前反演方法获得流体敏感参数的反演结果，并提取平面属性，根据井上实际钻遇流体信息和砂岩顶面构造分布，确定流体敏感属性反映油和水的阈值，得到储层油、水的平面分布位置。

图7所示为目标砂体流体分布平面属性，属性值较小的位置指示含油气概率更大，值越大指示流体性质为水的可能性越大，布井时应尽量避免。

S500.对上述步骤S100至步骤S400得到的储层分析结论进行优先级排序，建立目标砂体水平井轨迹优化决策树(请参阅图8)，提出水平井轨迹调整优化建议：如果当前设计的井轨迹同时满足以下四个条件，即位于岩性边界预测阈值之内、且储层类型为一类或二类、未钻遇或者钻遇界限的连通性较好且不存在流体风险时，则可以保持当前水平段轨迹；如果其中任何一个条件无法满足，则需要对水平段井轨迹进行优化。

实施例2：

上述实施例1提供了一种枝蔓状河道砂体水平井轨迹优化方法，与之相对应地，本实施例提供一种枝蔓状河道砂体水平井轨迹优化系统。本实施例提供的枝蔓状河道砂体水平井轨迹优化系统可以实施实施例1的枝蔓状河道砂体水平井轨迹优化方法，该枝蔓状河道砂体水平井轨迹优化系统可以通过软件、硬件或软硬结合的方式来实现。例如，该枝蔓状河道砂体水平井轨迹优化系统可以包括集成的或分开的功能模块或功能单元来执行实施例1各枝蔓状河道砂体水平井轨迹优化方法中的对应步骤。由于本实施例的枝蔓状河道砂体水平井轨迹优化系统基本相似于方法实施例，所以本实施例描述过程比较简单，相关之处可以参见实施例1的部分说明即可，本实施例的枝蔓状河道砂体水平井轨迹优化系统仅仅是示意性的。

本实施例提供的枝蔓状河道砂体水平井轨迹优化系统，包括：

储层储层分析结论获取单元，用于获取储层储层分析结论；

水平井轨迹优化单元，用于对第一至第四处理单元得到的储层分析结论进行优先级排序，建立目标砂体水平井轨迹优化决策树，提出水平井轨迹调整优化建议。

其中，储层储层分析结论获取单元包括：

第一处理单元，用于根据井上实际钻遇砂体信息，结合沉积相平面展布规模，建立砂体机理模型并正演合成记录，通过分析实际资料与正演记录的关系，得到储层边界预测结果；

第二处理单元，用于利用已钻井信息，结合区域沉积特征，建立砂体储层分类评价标准，利用多属性神经网络聚类等方法获得跟已钻井储层分类信息一致的平面储层分类结果，统计已钻水平井水平段位于不同类型储层位置的砂岩钻遇情况；

第三处理单元，用于筛选对于储层结构敏感的地震属性，在其基础上采用全方位正交梯度算法得到储层不连续界限属性，用于评价储层内部连通性；

第四处理单元，用于利用叠前反演方法获得流体敏感参数的反演结果，并提取平面属性，根据井上实际钻遇流体信息和砂岩顶面构造分布，确定流体敏感属性反映油和水的阈值，得到储层油、水的平面分布位置。

实施例3：

本实施例提供一种实现本实施例1所提供的枝蔓状河道砂体水平井轨迹优化方法的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的枝蔓状河道砂体水平井轨迹优化方法。

所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行本实施例1所提供的枝蔓状河道砂体水平井轨迹优化方法。

优选地，存储器可以是高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。

优选地，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。

实施例4：

本实施例1的枝蔓状河道砂体水平井轨迹优化方法可被具体实现为一种计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的枝蔓状河道砂体水平井轨迹优化方法的计算机可读程序指令。

计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。