天然气地球科学 >

2021 , Vol. 32 >Issue 9: 1285 - 1296

DOI: https://doi.org/10.11764/j.issn.1672-1926.2021.01.016

非常规天然气

青藏高原北部东昆仑地区三叠系八宝山组页岩储层测井评价

  • 谢菁 , 1, 2 ,
  • 陈建洲 1, 2 ,
  • 徐永锋 1, 2 ,
  • 王国仓 , 3 ,
  • 王瑾 1, 2 ,
  • 李青 1, 2 ,
  • 王琪玮 1, 2
展开
  • 1. 青海省第四地质勘查院，青海 西宁 810029
  • 2. 青海省页岩气资源重点实验室，青海 西宁 810029
  • 3. 中国科学院西北生态环境资源研究院，甘肃 兰州 730000
王国仓（1978-），男，甘肃秦安人，博士，主要从事油气地质综合研究.E-mail：.

谢菁（1994-），女，青海西宁人，助理工程师，主要从事能源矿产勘查及研究.E-mail：.

收稿日期: 2020-10-28

  修回日期: 2020-10-31

  网络出版日期: 2021-09-14

收起

Logging evaluation of Triassic Babaoshan Formation shale reservoir in East Kunlun area of northern Qinghai-Tibet Plateau

  • Jing XIE , 1, 2 ,
  • Jianzhou CHEN 1, 2 ,
  • Yongfeng XU 1, 2 ,
  • Guocang WANG , 3 ,
  • Jin WANG 1, 2 ,
  • Qing LI 1, 2 ,
  • Qiwei WANG 1, 2
Expand
  • 1. The Fourth Geological Exploration Institute of Qinghai Province，Xining 810029，China
  • 2. Key Laboratory of Shale Gas Resources of Qinghai Province，Xining 810029，China
  • 3. Northwest Institute of Eco⁃Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China

Received date: 2020-10-28

  Revised date: 2020-10-31

  Online published: 2021-09-14

Supported by

The Clean Energy Mineral Special Project of Qinghai Province,China(2018137090 kc054)

the “Clean Energy Target Optimization in Qinghai Province” funded by Geological Exploration and Development Bureau of Qinghai Province, China

Fold

本文亮点

通过结合电阻率、声波时差、补偿中子、自然伽马测井等常规测井评价方法，用大量岩心样品作为校正依据，使用测井曲线重叠法、测井参数图版交会法、多元线性回归法等建立了青藏高原北部东昆仑地区三叠系八宝山组储层岩性、物性、有机碳含量等关键参数的定性识别方法和定量解释模型，并结合实测有机碳含量（TOC）、镜质体反射率（R O）和补偿中子（CNL）之间的相关性建立储层含气量解释模型。通过测井模型拟合计算结果显示：青藏高原北部东昆仑地区三叠系八宝山组页岩储层孔隙度分布在0.5%~2.6%之间，渗透率分布在（0.002~2.3）×10-3 μm2之间；有机碳含量分布在0.2%~7%之间，镜质体反射率分布在2.3%~3.12%之间，平均含气量为3.7 m3/t。储层整体表现为特低孔特低渗的物性特征，具有良好的生烃潜力和含气性及较高的资源潜力。

本文引用格式

谢菁 , 陈建洲 , 徐永锋 , 王国仓 , 王瑾 , 李青 , 王琪玮 . 青藏高原北部东昆仑地区三叠系八宝山组页岩储层测井评价[J]. 天然气地球科学, 2021 , 32(9) : 1285 -1296 . DOI: 10.11764/j.issn.1672-1926.2021.01.016

Highlights

Based on conventional logging evaluation methods， such as resistivity logging， acoustic logging， compensated neutron and natural gamma ray logging， and using a large number of core samples as correction basis， the qualitative identification method and quantitative interpretation model of key parameters such as lithology， physical properties and organic carbon content of the Triassic Dabaoshan Formation reservoir in the East Kunlun area of the northern Qinghai-Tibet Plateau were established by using log curve overlap method， log parameter plate intersection method and multiple linear regression method. Combined with the correlation between the measured organic carbon content （TOC）， vitrinite reflectance （R O） and compensated neutron （CNL）， an interpretation model of reservoir gas content is established. The fitting calculation results show that the porosity of the Triassic Babaoshan Formation shale reservoir in East Kunlun area in the north of Qinghai-Tibet Plateau is 0.5%-2.6%， and the permeability is （0.002-2.3）×10-3 μm2. The distribution of organic carbon content was 0.2%-7%， the vitrinite reflectivity was 2.3%- 3.12%， and the average gas content was 3.7 m3/t. The reservoir as a whole is characterized by extremely low porosity and extremely low permeability. It has good hydrocarbon generation potential， gas bearing potential and high resource evaluation potential.

0 引言

随着全球能源需求的增长，以页岩气为代表的非常规能源相比常规能源油气越发受到重点关注［1］，页岩气作为重要的非常规能源，在储层物性、孔隙结构、气体赋存特征等方面与常规气藏有着明显差异［2］，并且页岩气储层的矿物组分较为复杂，不同地质时代、不同地域、不同盆地的矿物成分差别也较大。因此，相对于常规天然气，页岩气储层测井评价更为复杂。
2016年在青藏高原北部东昆仑地区八宝山盆地Baye2井三叠系八宝山组中发现厚层暗色页岩。八宝山盆地位于青藏高原北部昆仑山脉东段，位于昆中、昆南两大断裂带之间，这些断裂主要形成于加里东中期和华力西期，主要呈北西西—南东向和近东西向展布，如图1所示。按纵向地层来看，青藏高原北部东昆仑地区八宝山盆地发育了石炭系、二叠系、三叠系、侏罗系、新近系、第四系等地层，地层保存完好。三叠系由早中三叠世海相沉积和晚三叠世海陆过渡相沉积组成。三叠系包括闹仓尖沟组及八宝山组，侏罗系包括羊曲组，本文研究的目标层位为八宝山组，其岩性主要为黑色页岩及部分灰色中细粒粉砂岩、细砂岩、粗砂岩， 在细粉砂岩、炭质泥页岩层中有页岩气赋存。
图1 青藏高原北部东昆仑造山带东段及邻区构造单元划分简图（据刘图杰［4］修编）

① 柴达木北缘断裂；② 柴南缘断裂；③ 东昆中断裂带；④ 东昆南断裂带；⑤ 布青山南坡断裂；⑥ 玛多—甘德断裂；⑦ 瓦洪山走滑断裂

Fig.1 Division of tectonic units in the eastern segment of the east Kunlun orogenic belt and its adjacent areas in the northern Tibetan Plateau（revised according to LIU［4］）

通过对青藏高原北部东昆仑地区八宝山盆地三叠系Baye2井地球化学指标分析，证实八宝山盆地三叠系页岩具有页岩气生烃潜力，但针对该地区目前还没有页岩储层测井评价方法［3］。因此以测井资料为基础，结合钻井岩心测试成果，通过图版交会法、多元线性回归法、模型校正等方法从岩性评价、物性分析、含气性评价入手，深入、系统地对八宝山组页岩进行储层测井评价与研究，为今后该地区页岩测井评价及勘探开发提供有益的指导。

1 岩性评价

结合Baye2井204件岩心样品的编录情况，利用测井参数重叠图法和岩性交会图版法研究得到该层组岩性主要以页岩、砂岩为主，其中页岩主要表现为高自然伽马、高补偿中子、高声波、低密度特征。

1.1　测井曲线组合图定性识别岩性

在八宝山盆地Baye2井岩心录井的基础上，结合测井曲线优先选取自然伽马、补偿中子、补偿密度3组测井曲线同一曲线反向组合、不同曲线相互组合分析的方法，对Baye2井测井曲线进行组合，观察曲线间的幅度差异能更直观的定性识别岩性。如图2所示，页岩层自然伽马—自然伽马（GR—GR）曲线幅度差异小，曲线形态较“窄”；补偿中子测井值在页岩层表现为高值，补偿中子—补偿中子（CNL—CNL）曲线幅度差异小，曲线形态较“瘦”；通过观察曲线，该井砂页层的密度测井曲线变化表现不明显，因此自然伽马—补偿密度（GR—DEN）、声波时差—补偿密度（AC—DEN）2组曲线对岩性识别不明显。得出对于该储层，自然伽马、补偿中子2个参数对岩性识别较为敏感，其中补偿中子—自然伽马（CNL—GR）组合图对页岩砂岩反应最为灵敏，页岩层部分2条曲线基本重叠，幅度差很小，砂岩层2条曲线间幅度差异较大，形态较“胖”。
图2 Baye2井测井曲线重叠图（900~1 120 m）

Fig. 2 Overlapping diagram of Well Baye2 logging curve （900-1 120 m）

1.2　交会图测井参数定量识别岩性

在单井测井曲线重叠图定性识别岩性的基础上，通过选取自然伽马与声波时差、自然伽马与密度、自然伽马与补偿中子孔隙度、声波时差与补偿中子孔隙度4组测井参数的数据做交会图，通过交会图对八宝山组Baye2井岩性进行定量识别并分析测井响应值的分布范围，如图3—图6所示，得出该地区页岩的测井参数表现为高自然伽马（GR）、高声波时差（AC）、高中子孔隙度（CNL）、低密度（DEN）的特征，交会图显示Baye2井八宝山组页岩测井参数取值范围约为：自然伽马（GR）≥160.0 API、补偿中子（CNL）≥15.0%，声波时差（AC）≥220 μs/m，补偿密度2.4 g/cm3<DEN<2.5 g/cm3（表1）。
图3 Baye2井八宝山组测井参数交会

Fig. 3 Cross plot of logging parameters of Babaoshan Formation in Well Baye2

图4 八宝山组孔隙度、渗透率分布直方图

Fig. 4 Distribution histogram of porosity and permeability of Babaoshan Formation

图5 Baye2井常规测井裂缝识别

Fig.5 Fracture identification of conventional logging in Well Baye2

图6 Baye2井八宝山组孔隙度计算精度验证

Fig.6 Porosity calculation accuracy verification of Babaoshan Formation in Well Baye2

表1 Baye2井八宝山组不同岩性测井取值范围

Table1 Logging range of different lithology of Babaoshan Formation in Well Baye2

井号 层组 岩性 GR/API AC/（μs/m） CNL/% DEN/（g/cm3）
Baye2井 八宝山组 页岩 160~300 220~320 15~24 2.4~2.5
粗砂岩 75~150 220~280 1~10 2.4~2.55
中砂岩 100~200 200~325 3~15 2.37~2.5
细砂岩 125~225 200~310 4~15 2.4~2.55

2 物性评价

对八宝山组上段225个及八宝山组下段27个页岩岩心样做了物性分析，得出八宝山组样品孔隙度分布区间较广，为0.13%~6.3%，八宝山组上段平均值为1.45%，下段平均值为1.24%，其中主体孔隙度分布范围为0.13%~2.5%，占总样品数的81.7%，如图4所示；渗透率分布区间也较大，为（0.003~1.19）×10-3 μm 2，平均值为0.095×10-3 μm 2，但主要分布在（0.001~0.004）×10-3 μm2之间，如图4所示。页岩物性反映研究层组内页岩虽然致密，但仍有微裂缝发育，且随着孔隙度的增加，渗透率也在增加。但渗透率变化不大，都很低，因此储层物性差，属特低孔、超低渗储层。
页岩储层的储集空间类型及孔隙结构特征控制着孔隙度与渗透率大小，孔隙类型及发育程度是衡量储层物性好坏的关键指标。利用岩石薄片和扫描电镜等微区测试技术，按照储集空间的形态特征，对Baye2井页岩进行分析，研究显示可将储集空间分为基质孔隙和裂缝孔隙两大类。那么对孔隙度进行测井评价时，也对裂缝孔隙度和基质孔隙度分别进行评价。

2.1　裂缝孔隙度储层测井评价

裂缝主要受电阻率、井径、声波时差3个测井参数的影响。第一，泥浆滤液或泥浆会浸入到裂缝中，导致裂缝发育段电阻率降低，在测井曲线上表现为电阻率低值；并且裂缝发育不均一，导致电阻率曲线呈现高低起伏的尖峰状。第二，在裂缝发育段岩石容易破碎，泥页岩裂缝发育段呈现明显的井径扩径特征。第三，泥页岩裂缝发育部位，声波能量出现衰减，声波时差相对增大，测井曲线表现为声波时差周波跳跃现象，然而声波时差对垂直裂缝反映相对不明显［5-6］。通过测井参数曲线形态判断裂缝位置后，利用Philippe裂缝孔隙度计算模型［7］和李善军等［8］产状模型对八宝山裂缝孔隙度和产状进行计算。
当RLLD<RLLS时：
Φ f - p = 1 R L L D 2 - 1 R L L S 2 × R m f × R L L D × 100 %
当RLLD>RLLS时：
Φ f - p = 1 R L L S 2 - 1 R L L D 2 × R m f × R L L D × 200 %
式中： Φ f - p为裂缝孔隙度，%；RLLD为深侧向电阻率值，Ω·m；RLLS为浅侧向电阻率值，Ω·m； R m f为泥浆滤液电阻率值，0.25 Ω·m
李善军等［8］裂缝产状计算模型判断裂缝平均倾角的模型：
D L = R L L D - R L L S R L L D × R L L S
式中： D L无量纲，当 D L<0时，为水平裂缝；当0< D L<0.1时，为倾斜裂缝；当 D L>0.1时，为高角度裂缝。
对Baye2井进行裂缝识别评价，利用第一种模型可以有效计算裂缝孔隙度，计算Baye2井裂缝孔隙度为0.05%~0.37%；通过李善军等［8］模型得出该井以发育水平缝、倾斜裂缝为主，少量发育高角度裂缝，如图5所示。

2.2　基质孔隙度测井评价

页岩基质孔隙度是页岩气储层评价和页岩含气性评价的关键参数之一，与常规储层相比，页岩储层孔隙度、渗透率很低，岩性、矿物成分、基质孔隙类型等特征更为复杂，导致页岩储层物性测井评价更加困难［9］。因此，在页岩储层测井评价中建立精确有效的物性参数解释模型至关重要。综合考虑岩性与基质孔隙度的共同响应特征，对比分析测井参数对基质孔隙度响应特征的敏感性，进而优选出声波时差、补偿中子、自然伽马、补偿密度4组测井参数计算基质孔隙度。考虑裂缝的影响，将研究区归位后的岩心剔除有裂缝的样品，剩余样品孔隙度与声波时差、补偿密度、补偿声波及自然伽马相对值进行多元线性回归，对八宝山组Baye2井整井参数进行回归，得出基质孔隙度计算模型如下：
Φ = 0.99 + 0.024 × D E N - 0.002 × A C + 0.002 × G R + 0.019 × C N L
R = 0.66
式中： Φ为岩心测试孔隙度，%；AC为声波时差测井值，μs/m；DEN为补偿密度测井值，g/cm3， GR为自然伽马值，API；CNL为补偿中子孔隙度，%； R为相关系数。
经过多参数多元线性回归之后，根据上述建立的孔隙度计算模型计算得到的测井孔隙度与实测岩心孔隙度值进行交会，得到相关系数为0.66，如图6所示。
由此可得该孔隙度测井计算模型精度较高，计算值与实测值接近，可以用于八宝山组页岩储层的评价计算。

2.3　渗透率测井评价

渗透率的影响因素较多，泥页岩在矿物组分、颗粒粒度、孔隙和裂缝的结构、储集特征等方面与碎屑岩、碳酸盐岩不尽相同。通常情况下孔隙度越高的地层渗透率越高，孔隙度渗透率成线性关系，但对于孔隙结构较复杂的泥页岩地层，渗透率的计算更为复杂。通过研究井岩心样品实验分析渗透率与孔隙度建立交会图版，可分为2个区域，如图7所示：区域1分布于图版左上方，呈现相对高渗的特征，为裂缝发育区；区域2分布于图版右下方，呈现相对低渗特征，为基质孔隙区。对两区域渗透率、孔隙度数据分别进行回归，得出渗透率测井计算模型为：
图7 渗透率与孔隙度交会

Fig.7 Cross plot of permeability and porosity

（1） 裂缝发育区：
K = 1.022   4 × Φ -   0.699   2
R   =   0.707   5
（2） 基质孔隙区：
K = 0.023   4 × Φ 2 - 0.044   8 × Φ + 0.025   1
R = 0.596   0
式中：K为渗透率，10-3 μm2 , Φ为孔隙度，%；R为相关系数，小数。
对计算得出的渗透率与实测岩心渗透率值进行交会，如图8所示，相关系数R为0.88，精度高，能够用于八宝山组渗透率的计算。
图8 Baye2井八宝山组渗透率计算精度验证

Fig. 8 Permeability calculation accuracy verification of Babaoshan Formation in Well Baye2

3 含气性评价

八宝山组页岩气储层具有储层物性差、矿物组分复杂、微裂缝发育等特点，影响其含气性因素也较多，目前国内对含气性评价研究的内容主要包括有机碳含量、有机质类型、有机质成熟度等［10］，本文结合前期岩性物性评价工作及八宝山组实际测井响应特征，优选有机碳含量、有机质成熟度、含气量3个因素对Baye2井含气性进行评价。

3.1　有机碳含量测井评价方法

页岩气储层总有机碳含量（TOC）是评价有机质丰度的重要参数，是预测烃源岩生烃潜力和吸附气含量的重要指标，准确计算TOC对页岩气评价有重要作用［11-13］。通过对研究井八宝山组197个TOC实测点与测井参数进行交会分析，得出TOC与自然伽马、声波时差、补偿密度相关性较好，利用实测有机碳含量与这3个测井参数进行多元线性回归，得出研究井八宝山组有机碳含量测井计算模型：
T O C = 23.87 + 0.02 × G R - 0.01 × A C -                            8.86 × D E N R = 0.78
式中： T O C为总有机碳含量，%； G R 为自然伽马相对值，API； D E N 为补偿密度，g/cm3； A C为声波时差，μs/m； R 为相关系数。
通过对TOC计算值与实测值进行交会，得出相关系数为0.78，如图9所示，精度高，说明该模型能够用于八宝山组TOC的计算。
图9 Baye2井八宝山组TOC计算精度验证

Fig. 9 TOC calculation accuracy verification of Babaoshan Formation in Well Baye2

3.2　有机质成熟度测井评价方法

有机质成熟度（R O）是表征有机质热演化阶段的指标，可以判断泥页岩生烃的有效性和产物性质，因此也是评价页岩气潜力的重要地球化学参数之一［14］。有机质成熟度可以通过测定镜质组反射率（R O）获得［15］。对Baye2井八宝山组镜质体反射率（R O）及孔隙度（Φ）值进行分析研究，发现镜质体反射率（R O）和孔隙度（Φ）之间存在线性关系，如图10所示，通过数据回归得出Baye2井八宝山组R O测井计算公式：
R O = 0.389    8 × Φ + 2.191    2       R = 0.83
式中： R O为镜质体反射率%： Φ为孔隙度，%；R为相关系数。
图10 岩心孔隙度与镜质体反射率关系

Fig.10 Relationship between core porosity and vitrinite reflectance

为检验镜质体反射率（R O）计算公式的准确性，将R O实测值与计算值交会得到相关系数为0.68，如图11所示，证明该计算公式计算精度高，计算结果可靠。
图11 实测镜质体反射率与计算镜质体反射率关系

Fig.11 Relationship between measured vitrinite reflectance and calculated vitrinite reflectance

3.3　含气量计算

3.3.1　吸附气含量计算

研究表明页岩吸附气量都与有机碳含量和镜质体反射率存在较好的相关性［16-17］，可通过预测泥页岩有机碳含量和镜质体反射率来预测吸附气量的相对高低，研究通过对Baye2井八宝山组页岩吸附气量影响因素分析，得出页岩有机碳含量、镜质体反射率与吸附气量具有较好的相关性。因此，通过研究八宝山组页岩取心样品测试的有机碳含量、镜质体反射率与吸附气含量的关系建立了吸附气含量定量解释模型：
V 吸 附 气 = - 0.11 + 0.76 × R O + 0.08 × T O C               R = 0.87
式中： V 吸 附 气为吸附气量， m3/t；R O为镜质体反射率，%；TOC为有机碳含量，%；R为相关系数；对等温吸附实验所测吸附气含量和解释模型计算的吸附气含量进行精度检验。
如图12所示，相关性高达0.87，证明该模型计算吸附气含量的效果较好。
图12 吸附气含量精度检验

Fig.12 Precision inspection chart of adsorbed gas content

3.3.2　总含气量计算

总含气量一般认为是游离气含量和吸附气含量的和，总含气量高表现为页岩储层的含气性好［18］。通过对研究井98件页岩总含气量的实验数据与常规测井曲线参数一一交会，发现补偿中子与总含气量具有较好的正相关关系，如图13所示，得出该井页岩总含气量计算模型为：
V 总 含 气 = 0.024 e 0.198    4 C N L
R=0.642 3
式中： V 总 含 气为总含气量，m3/t，CNL为补偿中子，%；R为相关系数。
图13 Baye2井补偿中子—总含气量关系

Fig.13 Relationship between compensated neutron and total gas content in Well Baye2

该模型计算结果与实验分析结果相对误差较小，精度较高，如图14。可以用于总含气量计算。
图14 Baye2井实测总含气量与计算总含气量关系

Fig. 14 Relationship between measured total gas content and calculated total gas content in Well Baye2

4 综合评价

4.1　储层测井评价标准

前人基于FHH模型，利用分形几何理论，研究得到青藏高原北部东昆仑地区八宝山盆地三叠系八宝山组的页岩储层孔隙结构较为复杂，非均质性较强。同时还找出页岩分形维数与有机碳含量呈正相关性，说明随着有机碳含量增加，有机质孔隙增多，衍生出的孔隙数量增多，页岩的孔隙结构越复杂，孔隙表面越粗糙，从而页岩分形维数增大，页岩的分形维数增大的同时，孔隙增加，会造成页岩中气体渗流能力增大，而且储层孔隙度和成熟度之间也存在着正相关的关系 1。基于以上理论，本文研究根据建立测井模型计算得到的物性、有机碳含量、镜质体反射率、总含气量等参数，结合GR、CNL等常规测井曲线及测试资料，依据《页岩气资源储量计算与评价技术规范》（DZ/T0254）—2014）中国陆上页岩气有利层段/区确定条件与下限标准，初步确定立研究井的页岩气储层测井划分标准，如表2所示。
表2 Baye2井储层测井分类与评价标准

Table 2 Reservoir logging classification and evaluation criteria for reservoir in Well Baye2

储层电性特征 气层（I类） 差气层（II类） 干层（III类）
自然伽马GR/API >220 180~220 <180
补偿中子CNL/% 15~18 18~21 >21
有机碳/% >1.5 0.5~1.5 <0.5
孔隙度/% >1.0 0.5~1.0 <0.5
渗透率/（10-3 μm2） >0.01 0.005~0.01 <0.005
总含气量/（m3/t） >10 3~10 <3

4.2　Baye2井储层综合评价

根据建立的页岩气储层参数评价模型对Baye2井页岩气储层进行处理解释，如图15所示，整套八宝山组以泥页岩、砂岩为主，泥页岩夹杂细粉砂岩，研究井利用建立的测井计算模型得到的有机碳含量、孔隙度、有机质成熟度、含气量与岩心实测数据值接近，证明本文研究建立的测井计算模型适用于本套地层的评价。综合测井计算，Baye2井八宝山组泥页岩段孔隙度介于0.5%~2.6%之间，渗透率介于（0.002~2.3）×10-3 μm2之间，TOC均值介于0.2%~7%之间，R O值主体介于2.3%~3.12%之间，吸附气含量为0~5 m3/t，游离气含量为0~20 m3/t，总含气量为0~25 m3/t，整体含气性较好。
图15 Baye2井储层测井综合评价

Fig. 15 Logging comprehensive evaluation of the reservoir in Well Baye2

5 结论

（1）通过常规测井曲线补偿中子—补偿中子（反向）、自然伽马—自然伽马（反向）和自然伽马—补偿中子（反向）曲线重叠图法和测井参数交会图法较精准地定性定量识别砂岩和页岩，其中自然伽马—补偿中子（反向）重叠图识别效果最好，这种岩性识别法能较好适应于该地区储层岩性的定性识别。研究得到青藏高原北部东昆仑地区八宝山盆地八宝山组岩性主要以页岩、砂岩为主。
（2）基于常规测井参数，结合岩心测试资料建立了青藏高原北部东昆仑地区三叠系八宝山组物性测井计算模型，针对研究层组页岩孔隙结构多样性分别建立了基质孔隙和裂缝孔隙的孔隙度及渗透率测井计算评价模型，计算精度高。测井孔隙度主体分布在0.5%~2.6%之间，渗透率分布在（0.002~2.3）×10-3 μm2之间，表现为特低孔、特低渗，有效开采该储层页岩气需要进行后期压裂改造来提高储层导流能力。
（3）基于TOC和R O实验分析数据，建立适合人工解释的多元线性回归方法解释模型，形成了适用的有机碳TOC计算模型和成熟度R O计算模型，并取得了较高的精度，通过建立测井模型计算得有机碳含量（TOC）分布在0.2%~7%之间，镜质体反射率（R O）值分布在2.3%~3.12%之间，表明青藏高原北部东昆仑地区三叠系八宝山组有较好的生烃潜力。
（4）在含气量计算方面，大量实验分析数据表明，总含气量与补偿中子具有较好的正相关关系，计算精度较高，再通过游离气含量得到的吸附气含量与实测数据均有较小误差，可以用于该井的含气量评价，这也是该井含气量计算的创新之处。
（5）根据页岩储层岩性、物性、含气性的相关关系和常规测井曲线响应特征，初步建立了青藏高原北部东昆仑地区三叠系八宝山组储层测井评价标准，为今后该地区页岩储层的测井评价提供了有力的指导。

脚注

1 王国仓.青海省都兰县八宝山盆地气储层特征及评价参数研究报告，青海省第四地质勘查院，内部资料，2020.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
张鹏，张金川，黄宇琪，等.黔西北上奥陶统五峰组—下志留统龙马溪组页岩气聚集条件分析［J］.地质论评，2015，61（1）：155-162.

ZHANG P， ZHANG J C， HUANG Y Q， et al. Analysis of shale gas accumulation conditions of Upper Ordovician Wufeng Formation and Lower Silurian Longmaxi Formation in northwest Guizhou［J］. Geological Review， 2015，61 （1）： 155-162.

2
钟光海，谢冰，周肖.页岩气测井评价方法研究——以四川盆地蜀南地区为例［J］.岩性油气藏，2015，27（4）：96-102.

ZHONG G H， XIE B， ZHOU X. Study on shale gas logging evaluation method： A case study of southern Sichuan Basin［J］. Lithologic Reservoirs， 2015，27 （4）： 96-102.

3
张杰，徐永锋，陈建洲.青海八宝山地区小口径页岩气钻探技术研究［J］.能源与环保，2019，41（9）：95-98.

ZHANG J， XU Y F， CHEN J Z. Research on small diameter shale gas drilling technology in Babaoshan area of Qinghai Province［J］. Energy and Environmental Protection， 2019，41 （9）： 95-98.

4
刘图杰. 东昆仑造山带东段南坡洪水河组地质特征、物源属性及构造意义［D］. 西安：长安大学，2015：10-12.

LIU T J. Geological Characteristics， Provenance and Tectonic Significance of Hongshuihe Formation on the Southern Slope of Eastern Kunlun Orogenic Belt［D］. Xi'an： Chang'an University，2015：10-12.

5
曹飞. 裂缝性岩石声波参数实验研究及裂缝性储层测井评价［D］.长春：吉林大学，2015.

CAO F. Experimental Study on Acoustic Parameters of Fractured Rocks and Logging Evaluation of Fractured Reservoirs［D］. Changchun：Jilin University， 2015.

6
赵辉，石新，司马立强.裂缝性储层孔隙指数、饱和度及裂缝孔隙度计算研究［J］.地球物理学进展，2012，27（6）：2639-2645.

ZHAO H， SHI X， SIMA L Q. Calculation of porosity index， saturation and fracture porosity of fractured reservoir［J］. Progress in Geophysics， 2012，27 （6）： 2639-2645.

7
陈义国. 裂缝的测井识别与评价方法研究［D］.北京：中国石油大学，2010.

CHEN Y G. Study on Logging Identification and Evaluation Method of Fractures［D］. Beijing：China University of Petroleum， 2010.

8
李善军，肖永文，汪涵明，等.裂缝的双侧向测井响应的数学模型及裂缝孔隙度的定量解释［J］.地球物理学报，1996（6）：845-852.

LI S J，XIAO Y W， WANG H M， et al. Mathematical model of dual laterolog response of fractures and quantitative interpretation of fracture porosity［J］.Acta Geophysica Sinica，1996，39（6）： 845-852.

9
张作清，郑炀，孙建孟.页岩气评价“六性关系”研究［J］.油气井测试，2013，22（1）：65-70，74，78.

ZHANG Z Q， ZHENG Y， SUN J M. Study on “six relations” of shale gas evaluation［J］. Oil and Gas Well Testing， 2013，22 （1）： 65-70， 74，78.

10
赵迪斐，郭英海，朱炎铭，等. 海相页岩储层微观孔隙非均质性及其量化表征［J］.中国矿业大学学报，2018，47（2）：296-307.

ZHAO D F， GUO Y H， ZHU Y M， et al. Microscopic pore heterogeneity and its quantitative characterization of marine shale reservoir［J］. Journal of China University of Mining and Technology， 2018，47（2）： 296-307.

11
朱光有，金强，张林晔. 用测井信息获取烃源岩的地球化学参数研究［J］. 测井技术，2003，27（2）：104 -109，146．

ZHU G Y， JIN Q， ZHANG L Y. Study on geochemical parameters of source rocks obtained by logging information［J］．Logging Technology， 2003，27 （2）： 104-109，146.

12
孟召平，郭彦省，刘尉.页岩气储层有机碳含量与测井参数的关系及预测模型［J］.煤炭学报，2015，40（2）：247-253.

MENG Z P， GUO Y S， LIU W. Relationship between organic carbon content of shale gas reservoir and logging parameters and prediction model［J］. Acta Coalae Sinica， 2015，40 （2）： 247-253.

13
潘仁芳，伍媛，宋争. 页岩气勘探的地球化学指标及测井分析方法初探［J］. 中国石油勘探，2009，14（3）：6-10.

PAN R F， WU Y， SONG Z. Geochemical indicators and logging analysis methods for shale gas exploration［J］. China Petroleum Exploration， 2009，14 （3）： 6-10.

14
王凤琴，王香增，张丽霞，等.页岩气资源量计算：以鄂尔多斯盆地中生界三叠系延长组长7为例［J］.地学前缘，2013，20（3）：240-246.

WANG F Q， WANG X Z， ZHANG L X， et al. Calculation of shale gas resources： A case study of Chang 7， Yanchang Formation，Mesozoic Triassic，Ordos Basin［J］. Earth Science Frontiers， 2013，20（3）： 240-246.

15
MOHAMMAD R K，AHAD A M. Total organic carbon content determined from well logs using ΔLogR and Neuro Fuzzy techniques［J］．Journal of Petroleum Science and Engineering， 2004，45（3-4）：141-148．

16
余杰，秦瑞宝，刘春成，等.页岩气储层测井评价与产量“甜点”识别——以美国鹰潭页岩气储层为例［J］. 中国石油勘探，2017，22（3）：104-112.

YU J， QIN R B， LIU C C， et al. Shale gas reservoir logging evaluation and production “sweet spot” identification： A case study of Yingtan shale gas reservoir in the United States［J］. China Petroleum Exploration， 2017，22 （3）： 104-112.

17
胡博文，李斌，鲁东升，等. 页岩气储层特征及含气性主控因素：以湘西北保靖地区龙马溪组为例［J］. 岩性油气藏，2017，29（3）：83-91.

HU B W， LI B， LU D S， et al. Characteristics of shale gas reservoir and main controlling factors of gas bearing property： A case study of Longmaxi Formation in Baojing area， northwest Hunan［J］. Lithologic Reservoir， 2017， 29 （3）： 83-91.

18
石文睿，张超谟，张占松，等.涪陵页岩气田焦石坝页岩气储层含气量测井评价［J］.测井技术，2015，39（3）：357-362.

SHI W R， ZHANG C M， ZHANG Z S， et al. Gas content logging evaluation of Jiaoshiba shale gas reservoir in Fuling shale gas field［J］.Logging Technology，2015，39（3）： 357-362.

Options
文章导航

/

〈 〉

陇ICP备2021001824号-7　 甘公网安备 62010202000678号
版权所有 © 《天然气地球科学》编辑部
地址：甘肃省兰州市天水中路8号　
邮编：730000　
电话：(0931)8277790　
E-mail：geogas@lzb.ac.cn
总访问量 　 今日访问 　 在线人数
技术支持：北京玛格泰克科技发展有限公司