非常规天然气

深水浅层松散沉积物水合物赋存状态识别与饱和度计算

  • 赵军 , 1 ,
  • 郑超 1 ,
  • 裴健翔 2 ,
  • 汤翟 2 ,
  • 贾将 1
展开
  • 1. 西南石油大学地球科学与技术学院,四川 成都 610500
  • 2. 中海石油(中国)有限公司海南分公司,海南 海口 570311

赵军(1970-),男,四川盐亭人,博士,教授,主要从事海域天然气水合物岩石物理及测井解释评价研究.E-mail:.

收稿日期: 2024-01-04

  修回日期: 2024-04-06

  网络出版日期: 2024-07-22

Hydrate occurrence identification of shallow loose sediments in deep water and its saturation calculation

  • Jun ZHAO , 1 ,
  • Chao ZHENG 1 ,
  • Jianxiang PEI 2 ,
  • Di TANG 2 ,
  • Jiang JIA 1
Expand
  • 1. School of Geoscience and Technology,Southwest Petroleum University,Chengdu 610500,China
  • 2. Hainan Branch,CNOOC (China) Co. ,Ltd. ,Haikou 570311,China

Received date: 2024-01-04

  Revised date: 2024-04-06

  Online published: 2024-07-22

Supported by

The CNOOC Major Science and Technology Projects(CEL202HNFN0009)

the Special Fund Project of Marine Economy Development of Guangdong Province, China (Grant No. Yueziranzihe [2021] 57)

摘要

中国海域深水浅层天然气水合物资源量巨大。海域深水浅层地质疏松,天然气水合物储层无致密盖层、非均质性较强,天然气水合物赋存状态难以识别,极大地制约了天然气水合物饱和度的预测工作。基于海域深水浅层天然气水合物的声、电响应特征,利用电阻率和纵波速度交会图版法识别天然气水合物的赋存状态,采用含泥质修正的密度公式计算天然气水合物储层孔隙度。采用含泥质修正的电阻率法、等效介质法和寻找最小联合误差的声电联合反演法预测QDN盆地YL靶区天然气水合物饱和度。预测结果表明,QDN盆地YL靶区采用联合反演法的预测值与氯离子浓度法的实测值最吻合,联合反演法预测误差为0.09%~14.89%,平均误差为6.85%。表明在判断水合物赋存状态的基础上选择相应的声电联合反演饱和度计算模型能极大地提高水合物饱和度的精度,为水合物饱和度的计算提供了一条好的途径。

本文引用格式

赵军 , 郑超 , 裴健翔 , 汤翟 , 贾将 . 深水浅层松散沉积物水合物赋存状态识别与饱和度计算[J]. 天然气地球科学, 2024 , 35(10) : 1713 -1723 . DOI: 10.11764/j.issn.1672-1926.2024.04.005

Abstract

The Chinese offshore area holds vast reserves of deepwater and shallow gas hydrates. Due to the geological looseness of the deepwater and shallow layers in the offshore area, as well as the absence of tight sealing layers and high heterogeneity in gas hydrate reservoirs, identifying the occurrence state of gas hydrates is challenging, greatly impeding the prediction of gas hydrate saturation. Based on the acoustic-electric response characteristics of deepwater and shallow gas hydrates, the intersection method of resistivity and longitudinal wave velocity diagrams is employed to identify the occurrence state of gas hydrates. The pore volume of gas hydrate reservoirs is calculated using a density formula corrected for mud content. The prediction of gas hydrate saturation in the YL target area of the QDN Basin is conducted using the mud-corrected resistivity method, equivalent medium method, and joint inversion method finding the minimum combined error of acoustic and electric data. The results indicate that the predicted values using the joint inversion method in the YL target area of the QDN Basin are closest to the measured values obtained using the chloride ion concentration method, with prediction errors ranging from 0.09% to 14.89% and an average error of 6.85%. This suggests that selecting the appropriate acoustic-electric joint inversion saturation calculation model based on the determination of hydrate occurrence states can significantly improve the accuracy of hydrate saturation prediction, providing a good approach for calculating hydrate saturation.

0 引言

地球物理测井技术因其在天然气水合物地球物理勘探中具有高精度、高分辨率和对天然气水合物响应特征明显等优势,现已成为定性识别和定量评价水合物储集层的有效手段1。在海域深水浅层天然气水合物的勘探过程中,天然气水合物的饱和度是一个重要的参数2。本文所述深水是指天然气水合物存在于水深300~3 000 m的海底,浅层是指天然气水合物储存在海底表层数米到500 m之内3-4。由于电阻率和声波测井对天然气水合物的响应特征异常明显,因此运用电阻率测井和声波测井资料来估算天然气水合物的饱和度是最直接和最有效的方法5-6图1)。
图1 QDN盆地YL靶区深水浅层天然气水合物测井综合剖面

Fig.1 Comprehensive logging profile of natural gas hydrates in the deep-water shallow layers of the YL target area in the QDN Basin

对此,国内外众多知名学者已经开展了大量研究工作。LEE等7利用天然气水合物测井和岩心资料,基于核磁共振测井、电阻率测井等方法对水合物饱和度开展计算并比较了不同方法计算饱和度结果的差异。高红艳等8针对南海神狐海域未固结的黏土质水合物储层,采用改进的Biot-Gassmann模型计算水合物饱和度。林霖等9利用测井和取心数据确定岩石物理模型参数,采用TPEM(HELGERUD等10提出的含水合物的颗粒接触模型)和STPBE(LEE11在低频、忽略衰减等近似条件下给出的简化的三相介质Biot方程)模型预测了神狐海域水合物饱和度。刘洁等12基于电阻率和声波资料,利用 Wood(伍德)方程对南海神狐海域天然气水合物进行了饱和度计算。肖昆等13采用强超声波测井资料和二端元模型相结合的方式计算天然气水合物饱和度。李宁等14通过将电阻率—含油(气)饱和度的一般形式和水合物电阻率实验数据相结合,建立了基于电阻率的水合物饱和度定量评价方法。赵军等15利用声波测井资料,采用BGTL 模型(LEE等16修正的Biot-Gassmann理论)对天然气饱和度进行了计算和评估。LI等17为了获得可靠的天然气水合物饱和度值,提出了一种基于测井资料的电阻率—声波层间传输时间双参数计算模型,实现了基于测井资料的水合物饱和度参数的连续获取。XING等18分别基于相位角的同相电导率和频散特性参数,推导了2种类型的水合物饱和度评价模型。马通等19采用 Wood 法、含泥质修正的电阻率法、时间平均方程法和等效介质法对天然气水合物饱和度进行预测,分析了不同预测方法的适用性及评价效果。ZHANG等20基于等效介质理论推导出了储层天然气水合物饱和度评价的新方法,提高了预测精度。
前人研究虽已取得了一定的成果,为本文提供了部分理论与方法的支持,但也存在亟待改进的地方。一方面由于不同的赋存状态对应不同的计算模型,是否能够准确选择适用的计算模型,对天然气水合物预测精度具有极大影响,正确的计算模型将有效提高预测精度。但目前仅有少数学者采用先判断天然气水合物赋存状态,再根据赋存状态选择相应的饱和度计算模型的方式预测天然气水合物饱和度的研究方式。另一方面,目前大多学者均基于单一的声波或电阻率资料实现天然气水合物饱和度的预测工作,但针对深水浅层天然气水合物储层,由于其具有地质疏松、储层非均质性强等特征,易造成单一数据源受某一因素影响过大,产生计算误差的缺点。
为此,基于前人研究工作的不足之处,本文在优先考虑识别天然气水合物赋存状态的基础上选用适当模型并采用多参数精细评价天然气水合物饱和度,提出了基于电阻率和声波测井资料联合反演计算天然气水合物饱和度的方法,并用QDN盆地YL靶区海域深水浅层的实际测井资料进行验证与分析。验证结果表明采用联合反演的方法预测的天然气水合物饱和度与实测值最吻合,为深水浅层天然气水合物饱和度的预测提供了参考,具有一定的现场实际意义。

1 水合物赋存状态交会图版法

天然气水合物赋存状态的识别对于水合物研究至关重要。天然气水合物的赋存状态不仅可以反映用来计算水合物资源总量的生成条件、生成环境等重要信息,而且对于分析水合物在储集层中的性质,指导水合物的安全开采和准确选用适当的模型计算水合物饱和度具有重要的意义。天然气水合物虽均在低温高压环境下生成,但由于不同的区域地质构造条件,天然气水合物会以不同的状态赋存在储集层中21
目前,天然气水合物的赋存状态识别方法众多,主要有直接观测法、CT扫描法、电阻率成像测井法、 ρ V p 0.4法和AVO特征法等22-24。直接法、CT扫描法虽然直观准确,但需要大量取心资料,且时间长、费用高;电阻率成像方法虽也直观可靠,且能连续识别,但仍然存在测井成本高,大面积推广应用较困难等问题; ρ V p 0.4法虽原理简单、应用方便,但受背景值误差影响较大;AVO特征法虽应用广泛,但过程复杂、步骤较多,存在处理流程不精确等问题。综合不同天然气水合物赋存状态识别方法的适用性,结合海域深水浅层天然气水合物的储层特性,本文依据不同天然气水合物的赋存状态,电阻率和声波测井响应具有明显差别的特点,采用不同的岩石物理模型模拟不同赋存状态下的水合物电阻率和声波响应规律,建立纵波速度和电阻率交会图版,用于识别天然气水合物赋存状态。本文所采用的交会图版法是一种测井资料的作图解释技术,它把2种测井数据在平面图上交会,根据交会点的坐标定出所求参数的数值或范围。

1.1 孔隙型水合物图版识别法

1.1.1 孔隙型水合物层电阻率正演

由于孔隙充填型天然气水合物层的电阻率具有各向同性的特征,故电阻率模拟方法选用含泥质修正的阿尔奇公式。由于阿尔奇公式中地层电阻率和地层水电阻率均与含水饱和度有关,含水饱和度和含天然气水合物饱和度的和为1,故含天然气水合物地层的电阻率表示为:
R t = a R w ϕ m ( 1 - S h ) n
式中: R t为正演得到的电阻率,Ω·m; R w为地层水电阻率,Ω·m; ϕ为地层孔隙度,%; S h为天然气水合物饱和度,%; a为与岩性有关的岩性系数; m为胶结指数; n为饱和度指数。
图2所示,由于深水浅层地质疏松,取样均为块状泥砂样品或糊状泥砂样品,均因粒度小于50 μm,无法在实验室条件下直接注水加气生成水合物,无法通过岩石物理实验确定岩电参数。故一般通过对取样样品进行分析化验得到其矿物组分和百分含量,按照化验结果配比,采用了粒径较大的石英砂(500 μm)替换,对标QDN盆地YL靶区在实验室利用SCMS-DS型水合物岩样声电测量仪(图3)人工制备合成不同孔隙度和含水饱和度的天然气水合物样品,确定岩电参数。
图2 QDN盆地YL靶区深水浅层取样的松散沉积物

(a)块状泥砂样品;(b)糊状泥砂样品

Fig.2 Loose sediment samples collected from the shallow waters of the YL target area in the QDN Basin

图3 SCMS-DS型水合物岩样声电测量仪原理图

Fig.3 Schematic diagram of the SCMS-DS type acoustic-electric measurement instrument for gas hydrate rock samples

其中,SCMS-DS型水合物岩样声电测量仪的主要技术指标包括:提供0~12 MPa围压和轴压,-6 ℃—常温的实验温度,电阻率测量范围为1~10 000 Ω·m,纵波速度的测量范围为0~10 000 m/s,横波速度的测量范围为0~5 000 m/s。本文合成天然气水合物样品实验中,围压和轴压设置为5 MPa,实验温度设置为-1 ℃。
根据实验结果,最终取R w=0.3 Ω·m, a=1.1, m=2.2, n=2.1正演出的不同含天然气水合物饱和度的孔隙型天然气水合物层电阻率如图4所示。
图4 孔隙型水合物层电阻率正演

Fig.4 Forward modeling of electrical resistivity for porous hydrate layers

1.1.2 孔隙型水合物层声波正演

由于声波在地层中的传播速度与孔隙度、孔隙压力、岩性、流体性质、流体饱和度等诸多因素有关,因此本文采用简化的三相Biot理论方程正演孔隙型天然气水合物层的纵波速度。具体表示为:
K = K m a ( 1 - β p ) + β p 2 K a v
μ = μ m a ( 1 - β s )
1 K a v = β p - ϕ K m a + ϕ w K f + ϕ h K h
式中: K为饱含水的沉积物体积模量,GPa; μ为饱含水的沉积物剪切模量,GPa; K m a为沉积物骨架体积模量,GPa; μ m a为沉积物骨架剪切模量,GPa; K f为流体体积模量,GPa; K h为天然气水合物体积模量,GPa; K a v为加权平均体积模量,GPa; ϕ为地层孔隙度,%; ϕ w为含水孔隙度,%; ϕ h为含天然气水合物孔隙度,%。
参数 β s β p为固结参数 α和地层孔隙度 ϕ的函数:
β s = ϕ ( 1 + γ α ) ( 1 + γ α ϕ a s )
β p = ϕ a s ( 1 + α ) ( 1 + α ϕ a s )
γ = 1 + 2 α 1 + α
ϕ a s由以下公式计算得到:
ϕ a s = ( 1 - S h ) ϕ + ε ϕ S h
式中: ϕ a s为加权平均孔隙度,% ; ϕ为地层孔隙度,%; S h为天然气水合物饱和度,%;ε为固结参数,1。
参数ε用来表示水合物对地层骨架的加固作用,压实系数取决于有效压力和固结程度,根据深度或有效压力来估算:
α i = α o ( P o / P i ) α 0 ( d o / d i )
式中: α o为有效压力为 P o或深度为 d o处的固结参数; α i为有效压力为 P i或深度为 d i处的固结参数。
由于正演时需使天然气水合物饱和度为0时的纵波速度与水层一致,通过拟合水层段的实际速度,得到: α o =   200 ( 500 / d e p t h ) 1 / 3
式中: depth为距海底深度,m。
最后计算得到纵横波速度:
V p = K + 4   μ / 3 ρ b , V s = μ ρ b
ρ b = ( 1 - ϕ ) ρ s + ϕ ρ w ( 1 - S h ) + ρ h ϕ S h
式中: V p为纵波波速,km/s; V s为横波波速,km/s; K为饱含水的沉积物体积模量,GPa; μ为饱含水的沉积物剪切模量,GPa; ρ b为所有沉积物的加权平均密度,g/cm3 ρ s为非水合物层段沉积物骨架密度,g/cm3 ρ w为流体密度,g/cm3 ρ h为天然气水合物密度,g/cm3
本文根据QDN盆地YL靶区的地层岩矿组成资料确定地层骨架参数,不同矿物组分及水合物和海水对应的弹性模量、密度如表1所示,正演出的不同含天然气水合物饱和度的孔隙型天然气水合物层声波速度(图5)。
表1 不同矿物组分及水合物和海水的弹性模量、密度

Table 1 Elastic moduli and densities of different mineral components, hydrates, and seawater

矿物组分

平均含量

/%

体积模量

/GPa

剪切模量

/GPa

密度

/(g/cm³)

石英 53.69 38.0 44.1 2.66
钠长石 4.99 75.6 25.6 2.63
伊利石 11.42 60.2 25.4 2.70
绿泥石 10.90 83.9 46.8 2.60
方解石 10.31 74.8 32.0 2.71
白云石 6.31 76.4 49.7 4.16
角闪石 2.38 87.0 43.0 3.10
水合物 / 8.4 3.54 0.924
海水 / 2.3 0 1.05

注:“/”为无数据

图5 孔隙型水合物层声波正演

Fig.5 Forward modeling of acoustic wave for porous hydrate layers

1.2 裂隙型水合物的图版识别法

1.2.1 裂隙型水合物层电阻率模拟

由于裂隙型天然气水合物层的电阻率具有各向异性的特征,故电阻率模拟方法选用层状介质电阻率模型。该模型由充填天然气水合物的裂隙和饱和水的沉积物2个部分组成(图6)。
图6 层状介质模型示意

Fig.6 Schematic diagram of layered media model

为避免计算过程中出现无效值,导致运算失败,故在充填天然气水合物的裂隙部分引进虚拟参数 ϕ 1。由于 ϕ 1的取值会极大地影响正演的结果,因此取值时应使理论的最大电阻率值达到研究区纯的天然气水合物的电阻率值,即5 000 Ω·m。本文取 ϕ 1=0.010 1。
平行于裂缝和垂直于裂缝的地层因子 F h F v可表示为:
F h = 1 η ϕ 1 m 1 / a 1 + ( 1 - η ) ϕ 2 m 2 / a 2
   F v = ( 1 - η ) ϕ 1 m 1 / a 1 + η ϕ 2 m 2 / a 2 ϕ 1 m 1 ϕ 2 m 2 / ( a 1 a 2 )
式中:η为天然气水合物的体积分数,指的是天然气水合物的体积与地层体积的比值。1-η是饱和水的沉积物部分的体积分数,饱和水的沉积物部分的孔隙度 ϕ 2固定为0.55(由QDN盆地YL靶区平均孔隙度得到),其余参数的取值为 a 1 = a 2 = 1.1 m 1 = m 2 = 2.1。假设Z方向为垂直方向,裂隙走向为Y方向,使用地层因子的张量来计算任意角度裂隙的地层因子,则裂隙地层因子的张量为:
F i j = c o s θ 0 s i n θ 0 1 0 - s i n θ 0 c o s θ F h 0 0 0 F h 0 0 0 F v c o s θ 0 - s i n θ 0 1 0 s i n θ 0 c o s θ
裂隙充填型天然气水合物层的电阻率可由X方向的地层因子 F x x表示:
F x x = F h c o s 2 θ + F v s i n 2 θ
R t = F x x    R w
式中:θ为裂隙倾角,°。正演出的不同角度的裂隙型天然气水合物层电阻率如图7所示。
图7 裂缝型水合物层电阻率正演

Fig.7 Forward modeling of electrical resistivity for fractured hydrate layers

1.2.2 裂隙水合物层声波模拟

由于目前层状介质理论模型较为成熟,且已取得良好的应用效果,因此本文采用层状介质理论模型来模拟裂隙型天然气水合物地层的速度。该模型也由充填天然气水合物的裂隙和饱和水的沉积物两部分组成,其中充填天然气水合物的裂隙充填着100%的水合物,地层孔隙度为0,其弹性参数为纯天然气水合物的弹性参数。饱和水的沉积物部分的弹性参数通过简化的三相Biot理论方程来计算,模型的参数不变,地层孔隙度为55%。计算得到充填天然气水合物的裂隙和饱和水的沉积物两部分的体积模量和剪切模量后,计算拉梅常数,通过组合得出整体速度:
C = 1 λ + 2 μ - 1
A = 4 μ ( λ + μ ) λ + 2 μ + 1 λ + 2 μ - 1 λ λ + 2 μ 2
F = 1 λ + 2 μ - 1 λ λ + 2 μ
L = 1 μ - 1
N = μ
ρ = ρ
Q =
[ ( A - L ) s i n 2 φ - ( C - L ) c o s 2 φ ] + 4 ( F + L ) 2 s i n 2 φ c o s 2 φ
G = η 1 G 1 + η 2 G 2 , G - 1 = ( η 1 G 1 + η 2 G 2 ) - 1
式中: φ为入射波与层状介质对称轴之间的夹角,°; λ μ为拉梅常数,分别由2个部分的弹性模量计算得到:
λ = K - 2 3 G , μ = G
最后层状介质模型的纵波速度表示为:
V p = ( A s i n 2 φ + C c o s 2 φ + L + Q 2 ρ ) 1 / 2
正演出的不同角度的裂隙型天然气水合物层的纵波速度随水合物体积分数变化的曲线如图8所示。
图8 裂缝型水合物层声波正演

Fig.8 Forward modeling of acoustic waves for fractured hydrate layers

2 基于声电联合反演的饱和度计算

通过上文正演天然气水合物饱和度从0~100%的孔隙型天然气水合物层和裂隙型天然气水合物层的电阻率和纵波速度,建立不同类型天然气水合物储层的电阻率和纵波速度交会图版,进而通过测井的实测电阻率和纵波速度值,利用所建立的不同类型交会图版来识别天然气水合物的赋存状态。
天然气水合物电阻率和纵波速度模拟结果显示,不同角度的裂隙型天然气水合物层和孔隙型天然气水合物层在声波和电阻率2类属性上有明显差异,根据实际地层的孔隙度和基于正演的孔隙型和裂隙型天然气水合物层的电阻率和纵波速度,以正演纵波速度为横轴,正演电阻率为纵轴,建立QDN盆地YL靶区海域深水浅层天然气水合物赋存状态的识别图版(图9)。
图9 QDN盆地YL靶区水合物赋存状态识别图版

(a)正演结果对比图;(b)正演纵波速度与电阻率交会图

Fig.9 Diagram of hydrate occurrence identification in the YL target area of the QDN Basin

图9中可以看出,不同角度的裂隙型天然气水合物层和孔隙型天然气水合物层的曲线形态不同,随着天然气水合物饱和度的增加,不同类型的天然气水合物层的电阻率和纵波速度增长速率不同。因此,把实测的电阻率和纵波速度点标在交会图版上,如果实测点与某一类型的电阻率和纵波速度曲线接近,即可判定该井天然气水合物层段的赋存状态。孔隙型和裂隙型的识别依据即为天然气水合物层的实测电阻率和声波曲线数据的交会点落在孔隙型曲线上则为孔隙型天然气水合物,交会点落在裂隙型曲线上则为裂隙型天然气水合物,裂隙型曲线所代表的度数即为裂隙倾角。
针对海域浅层天然气水合物储层,由于具有地质疏松、储层非均质性强等特征,易造成单一数据源受某一因素影响过大,产生计算误差的缺点。因此可以利用电声联合特性,通过电学和声学模型联合应用寻找最小误差的方式来计算天然气水合物的饱和度,从而达到有效避免采用单一数据源计算受某一因素影响较大的效果。
对于孔隙充填型天然气水合物,由于不受各向异性的影响,目前可用来计算饱和度的声波和电阻率的岩石物理模型比较成熟,因此可用来选择构建声电联合反演计算方法的模型众多。针对已探明的QDN盆地YL靶区海域天然气水合物储层的特点,结合已收集的相关资料,本文选用了计算声波的简化三相Biot理论方程和计算电阻率的阿尔奇公式构建了声电联合反演计算天然气水合物饱和度的方法。
对于裂隙充填型天然气水合物,由于受各向异性的影响及裂缝形状和大小的多样性影响,目前可用来计算饱和度的声波和电阻率的岩石物理模型并不成熟,因此可用来选择构建声电联合反演计算方法的模型较少。为了更大程度地保证计算的精度,减小误差,本文采用常用的计算声波的层状介质理论模型和层状介质电阻率模型构建了声电联合反演计算天然气水合物饱和度的方法。
具体反演过程如下所示:①拟合非天然气水合物层段(S h=0)的纵波速度,确定声波模型中的部分参数;②拟合非天然气水合物层段(S h=0)的电阻率,确定电阻率模型的部分参数;③孔隙度参数由密度曲线计算的地层孔隙度得到;④使用迭代法,设置天然气水合物饱和度作为变量的取值范围为0~100%,设置裂隙倾角作为变量的取值范围为0~90°;⑤同步进行纵波速度和电阻率的拟合,使其贡献率各为50%,通过寻找最小误差的形式确定天然气水合物饱和度。
图10所示为在优先识别赋存状态的情况下利用声电联合反演模型计算天然气水合物饱和度的流程图。
图10 声电联合反演计算天然气水合物饱和度流程

Fig.10 Flowchart of joint inversion calculation for natural gas hydrate saturation using acoustic-electric methods

3 应用及效果分析

在优先考虑识别天然气水合物赋存状态的基础上采用基于电阻率和声波测井资料联合反演计算天然气水合物饱和度的方法,和不考虑水合物赋存状态直接用含泥质修正的电阻率法、等效介质法,对QDN盆地YL靶区海域浅层的实际测井资料进行验证与分析。
将YL6井和YL7井天然气水合物层段的实测纵波速度和电阻率利用上述识别图版,首先判断YL6井和YL7井的天然气水合物层段赋存类型。如图11所示,YL6井天然气水合物层段赋存状态为裂隙型,且裂隙倾角为5°,为低角度裂缝。如图12所示,YL7井天然气水合物层段赋存状态为孔隙型。
图11 YL6井天然气水合物赋存状态识别

Fig.11 Identification of natural gas hydrate occurrence status for Well YL6

图12 YL7井天然气水合物赋存状态识别

Fig.12 Identification of natural gas hydrate occurrence status for Well YL7

根据图11图12的赋存状态识别结果,采用适用于裂隙型天然气水合物的联合反演方法计算YL6井水合物饱和度,采用适用于孔隙型天然气水合物的联合反演方法计算YL7井水合物饱和度。计算结果分别如图13图14所示。
图13 YL6井水合物饱和度计算结果

Fig.13 Calculation results of hydrate saturation for Well YL6

图14 YL7井水合物饱和度计算结果

Fig.14 Calculation results of hydrate saturation for Well YL7

由于氯离子在海洋沉积物孔隙中含量丰富且性质稳定,因此可以通过氯离子质量浓度来计算天然气水合物饱和度,该方法的有效性和精度主要取决于孔隙水中氯离子质量浓度是否能被精确测量25。由于该方法计算天然气水合物饱和度受控因素少、精度高(通常被称为真饱和度26),故本文将氯离子浓度法估算的天然气水合物作为实测值来检验联合反演法的预测效果。
联合反演饱和度计算结果如表2所示,将YL6井计算结果与47个深度的具有氯离子浓度法实测的天然气水合物饱和度结果对比,对比结果显示,47个深度点中联合反演法的预测值为4.13%~44.26%,误差为0.09%~14.89%,平均误差为6.85%。说明在先识别得到正确水合物赋存状态的情况下选用相应的联合反演模型,计算天然气水合物层的饱和度精度,较未识别赋存状态,直接采用含泥质修正的电阻率法、等效介质法计算的天然气水合物层的饱和度精度更高。一方面表明,识别水合物赋存状态对优选联合反演模型,计算得到较为符合海域浅层特征的水合物饱和度至关重要,优先识别水合物赋存状态将极大地提高水合物定量评价的精度,降低因误选模型而导致的饱和度计算误差。另一方面表明,多数据联合应用可有效避免其单一数据不准确造成的计算误差。
表2 不同方法计算QDN盆地天然气水合物层饱和度结果对比

Table 2 Comparison of results of different methods for calculating the hydrate saturation of natural gas hydrate layers in the QDN Basin

井号 计算方法 饱和度预测值范围/% 误差分布范围/% 平均误差/%
YL6 等效介质法 0~19.28 3.58~38.04 22.74
含泥质修正的电阻率法 6.12~56.3 1.38 ~21.89 12.85
声电联合反演法 4.13~44.26 0.09 ~14.89 6.85

4 结论

(1)使用纵波速度和电阻率交会图法可有效识别天然气水合物赋存状态。识别结果显示,QDN盆地YL靶区YL6井天然气水合物赋存状态为裂隙型,裂隙倾角为5°,为低角度裂缝;YL7井天然气水合物赋存状态为孔隙型。
(2)在考虑识别得到水合物赋存状态的前提下,选用适当的联合反演模型计算的天然气水合物饱和度与氯离子浓度法的实测值最吻合,说明联合反演计算水合物饱和度的方法是可行且可靠的。
(3)基于电阻率和声波测井资料联合反演计算天然气水合物饱和度的方法,在避免模型误选对预测精度产生影响的同时兼顾了电阻率和声波对天然气水合物均响应敏感的优势,为海域浅层天然气水合物饱和度的预测提供了参考,具有一定的现场实际意义。
1
景鹏飞,胡高伟,卜庆涛,等.天然气水合物地球物理勘探技术的应用及发展[J].地球物理学进展,2019,34(5):2046-2064.

JING P F,HU G W, BU Q T, et al. Application and development of geophysical exploration techniques for natural gas hydrates[J]. Progress in Geophysics,2019,34(5):2046-2064.

2
王秀娟,钱进,LEE Myung.天然气水合物和游离气饱和度评价方法及其在南海北部的应用[J].海洋地质与第四纪地质,2017,37(5):35-47.

WANG X J, QIAN J, LEE M. Evaluation methods of natural gas hydrate and free gas saturation and their application in the northern South China Sea[J]. Marine Geology & Quaternary Geology, 2017, 37(5): 35-47.

3
周守为,陈伟,李清平,等.深水浅层非成岩天然气水合物固态流化试采技术研究及进展[J].中国海上油气,2017,29(4):1-8.

ZHOU S W,CHEN W,LI Q P,et al.Research and progress on solid-state fluidization test of shallow non-lithified natural gas hydrates in deep waters[J].China Offshore Oil and Gas,2017, 29(4):1-8.

4
宋震,孙颖,李凯莉,等.适用于深水浅层非成岩天然气水合物固态流化开采的伞式工具[J].天然气工业,2019,39(3):133-139.

SONG Z,SUN Y,LI K L,et al. Umbrella-shaped tool suitable for solid-state fluidization mining of shallow non-lithified natural gas hydrates in deep waters[J].Natural Gas Industry,2019, 39(3): 133-139.

5
高兴军,于兴河,李胜利,等.地球物理测井在天然气水合物勘探中的应用[J].地球科学进展,2003,18(2):305-311.

GAO X J, YU X H,LI S L, et al. Application of geophysical logging in natural gas hydrate exploration[J].Advances in Earth Science, 2003,18(2): 305-311.

6
赵军,武延亮,周灿灿,等.天然气水合物的测井评价方法综述[J].测井技术,2016,40(4):392-398.

ZHAO J,WU Y L,ZHOU C C,et al. Overview of logging evaluation methods for natural gas hydrates[J].Logging Technology,2016,40(4):392-398.

7
LEE M W, COLLETT T S. In-situ gas hydrate hydrate saturation estimated from various well logs at the Mount Elbert gas hydrate stratigraphic test well, Alaska north slope[J]. Marine and Petroleum Geology, 2011, 28(2): 439-449.

8
高红艳,钟广法,梁金强,等.应用改进的Biot-Gassmann模型估算天然气水合物的饱和度[J].海洋地质与第四纪地质,2012,32(4):83-89.

GAO H Y, ZHONG G F, LIANG J Q, et al. Estimation of natural gas hydrate saturation using improved Biot-Gassmann model[J]. Marine Geology & Quaternary Geology, 2012, 32(4): 83-89.

9
林霖,梁劲,郭依群,等.利用声波速度测井估算海域天然气水合物饱和度[J].测井技术,2014,38(2):234-238.

LIN L, LIANG J, GUO Y Q, et al. Estimation of gas hydrate saturation in offshore areas using sonic log velocity[J]. Logging Technology, 2014, 38(2): 234-238.

10
HELGERUD M B, DVORKIN J, NUR A, et al. Elastic-wave velocity in marine sediments with gas hydrates: Effective medium modeling[J]. Geophysical Research Letters, 1999, 26(13): 2021-2024.

11
LEE M W. Modified biot-gassmann theory for calculating elastic velocities for unconsolidated and consolidated sediments[J]. Marine Geophysical Researche, 2002, 23(5): 403-412.

12
刘洁,张建中,孙运宝,等.南海神狐海域天然气水合物储层参数测井评价[J].天然气地球科学,2017,28(1):164-172.

LIU J,ZHANG J Z,SUN Y B,et al.Logging evaluation of gas hydrate reservoir parameters in the Shenhu area of the South China Sea[J]. Natural Gas Geoscience,2017,28(1):164-172.

13
肖昆,邹长春,邓居智,等.利用声波测井估算裂缝型水合物储层水合物饱和度[J].石油地球物理勘探,2017,52(5):1067-1076,883.

XIAO K, ZOU C C, DENG J Z, et al. Estimation of hydrate saturation in fractured hydrate reservoirs using sonic log measurements[J].Petroleum Geophysics Exploration,2017,52(5):1067-1076, 883.

14
李宁,孙文杰,李心童,等.天然气水合物饱和度测井解释模型及方程[J].石油勘探与开发,2022,49(6):1073-1079.

LI N, SUN W J, LI X T, et al. Logging interpretation models and equations for natural gas hydrate saturation[J]. Petroleum Exploration and Development, 2022, 49(6): 1073-1079.

15
赵军,刘仕鑫,李元平,等.基于测井资料的南海天然气水合物储层识别与参数计算[J].地球物理学进展,2022,37(6):2508-2517.

ZHAO J, LIU S X, LI Y P, et al. Identification and parameter calculation of gas hydrate reservoirs in the South China Sea based on logging data[J].Progress in Geophysics,2022,37(6): 2508-2517.

16
LEE M W, COLLETT T S. Elastic properties of gas hydrate-bearing sediments[J]. Geophysics, 2001, 66(3):763-771.

17
LI H, LIU J, QU C, et al. A method for calculating gas hydrate saturationby dual parameters of logging[J]. Frontiers in Earth Science, 2022, 16(15): 1-7.

18
XING L C, NIU J L, ZHANG S L, et al. Experimental study on hydrate S evaluation based on complex electrical conductivity of porous media[J]. Journal of Petroleum Science and Engineering, 2022, 208:109539.

19
马通,祝鹏,陈鸣,等.琼东南盆地天然气水合物储层参数测井评价及分析[J].断块油气田,2023,30(2):254-260.

MA T,ZHU P,CHEN M,et al.Logging evaluation and analysis of gas hydrate reservoir parameters in the southeastern Qiongdong Basin[J]. Fault-Block Oil & Gas Field,2023,30(2): 254-260.

20
ZHANG Q G, LI Q S, FAN X Y, et al. A novel evaluation method of natural gas hydrate saturation in reservoirs based on the equivalent medium theory[J]. Geomechanics and Geophysics for Geo-Energy and Geo-Resources, 2024, 10(1): 1-19.

21
宁伏龙,梁金强,吴能友,等.中国天然气水合物赋存特征[J].天然气工业,2020,40(8):1-24,203.

NING F L, LIANG J Q, WU N Y, et al. Characteristics of natural gas hydrate occurrence in China[J]. Natural Gas Industry, 2020, 40(8): 1-24,203.

22
刘涛.海域天然气水合物赋存类型的识别研究[D].北京:中国地质大学(北京),2019.

LIU T. Research on the Identification of Natural Gas Hydrate Occurrence Types in Offshore Areas[D]. Beijing: China University of Geosciences (Beijing), 2019.

23
ZHANG Z, MCCONNELL D R, HAN D. AVO crossplot analysis in unconsolidated sediments containing gas hydrate and free gas: Green Canyon 955, Gulf of Mexico[C].SEG International Exposition and Annual Meeting. SEG, 2012: SEG-2012-1104.

24
SRIRAM G, DEWANGAN P, RAMPRASAD T, et al. Anisotropic amplitude variation of the bottom-simulating reflector beneath fracture-filled gas hydrate deposit(Article)[J]. Journal of Geophysical Research(Solid Earth),2013,118(5): 2258-2274.

25
莫修文,陆敬安,沙志彬,等.确定天然气水合物饱和度的测井解释新方法[J].吉林大学学报(地球科学版),2012,42(4):921-927.

MO X W, LU J A, SHA Z B, et al. A new logging interpretation method for determining natural gas hydrate saturation[J]. Journal of Jilin University (Earth Science Edition),2012,42(4): 921-927.

26
BAO X S, LUO T Y, LI H D. A prediction method of suspended natural gas hydrate saturation in sea area based on P-wave impedance[J]. Fuel, 2022, 324: 124505.

文章导航

/