Natural Gas Geoscience >

2020 , Vol. 31 >Issue 10: 1453 - 1465

DOI: https://doi.org/10.11764/j.issn.1672-1926.2020.08.001

A new method of leakage risk evaluation based on seismic fracture prediction and rock mechanics： Case study in A wellblock of Mahu Oilfield in Junggar Basin

  • Zhi-yuan LU , 1 ,
  • Xiao-li ZHANG 1 ,
  • Wan-long ZHANG , 2 ,
  • Dong-liang CHEN 1 ,
  • Kai LIU 1 ,
  • Sheng LI 1 ,
  • Li-chang CHEN 3
Expand
  • 1. Research Institute for Exploration and Development of Xinjiang Oilfield Branch，Karamay 834000，China
  • 2. Seiser Energy Technology （Beijing） Co. Ltd. ，Beijing 100102，China
  • 3. Heavy Oil Company of Xinjiang Oilfield Company，PetroChina，Karamay 834000，China

Received date: 2020-06-09

  Revised date: 2020-07-13

  Online published: 2020-09-30

Supported by

The Major Science and Technology Project of CNPC（Grant Nos.2017E-0415， 2017E-0405）.

Fold

Abstract

Leakage of drilling wells is complex because there are several factors. In A wellblock of Mahu Oilfield in Junggar Basin， reservoir is low porosity， low permeability and heterogeneous in upper Wuerhe Formation of Permian. Fracture and formation rupture are the main factors causing leakage. The common leakage risk evaluation methods by seismic fracture prediction are not satisfactory. A more effective leakage risk evaluation method is in demand. Leakage， fracture， rock physics and seismic data of the existing wells are analyzed in A wellblock of Mahu Oilfield. Comprehensive index of leakage， a new method for evaluating leakage risk， is proposed. It is based on seismic fracture prediction and rock mechanics parameters analysis， and represents the influence of fracture and formation rupture. Prestack geostatistical inversion is used to predict Young modulus. Ant tracking is used to predict fracture. The evaluation model of leakage risk and classification standard are built by combining Young modulus with relative intensity of fracture development and fracture length. This method is used for leakage risk evaluation of the recent drilled wells in A wellblock of Mahu Oilfield. The result is consistent with the real data. The new leakage risk evaluation method is effective on the low porosity， low permeability and heterogeneous reservoir in horizontal well drilling area. It can warn early about the possible leakage of drilling wells and optimize horizontal well trajectory.

Key words： Evaluation of leakage risk; Comprehensive index of leakage; Seismic fracture predict; Rock mechanics parameters; Mahu Oilfield

Cite this article

Zhi-yuan LU , Xiao-li ZHANG , Wan-long ZHANG , Dong-liang CHEN , Kai LIU , Sheng LI , Li-chang CHEN . A new method of leakage risk evaluation based on seismic fracture prediction and rock mechanics： Case study in A wellblock of Mahu Oilfield in Junggar Basin[J]. Natural Gas Geoscience, 2020 , 31(10) : 1453 -1465 . DOI: 10.11764/j.issn.1672-1926.2020.08.001

0 引言

井漏是钻井工程中的技术难题，它不仅导致钻井成本增加，还使钻井周期延长，因此，如何提前预测井漏具有重大意义。引起井漏的主要因素包括：①钻穿了孔洞或多孔隙地层；②钻穿了裂缝带或断层；③泥浆循环压力超过地层破裂压力；④快速下钻或超速下套管。前3个因素与地层的特性有关，是可以提前预测的。第4个因素则与工程有关，无法提前预测，后面将不作考虑。利用钻井和录井的地层压力、钻井液出口流量和泥浆总池体积的变化可以实时监测井漏的发生［1］，但是无法提前预测井漏进行钻前预警。而通过地震手段基本可以提前预测前3个原因引起的井漏。绝大部分井漏与地层裂缝有关，裂缝性井漏具有漏失量大、堵漏时间长及堵漏效率低的特点［2-4］。目前通过地震手段预测井漏的常规方法基本上也都是以研究裂缝发育情况为主。黄花香等［5］通过相干体分析、连续频谱分析技术总结了一套较为有效的恶性井漏地震预测技术。蔡进［6］认为曲率变化大的地方反映地层裂缝较发育，从而更容易在钻井过程中发生井漏。但是并非所有裂缝发育程度高的地方都会发生井漏，也不是所有裂缝发育程度低的地方都不会发生井漏。裂缝不是影响井漏的唯一因素，还有多孔隙和地层破裂。因此为了在钻前更加准确地对井漏进行预警，需要探索更准确有效的井漏风险评估新方法。
玛湖油田A井区在二叠系上乌尔禾组具有低孔、低渗、横向非均质性强、油层薄的特征。结合研究区的地质特点，本文在常规的仅通过裂缝来评估井漏风险的基础上，重点考虑了地层破裂因素的影响，通过对岩石力学参数的研究，利用叠前地质统计学反演精确预测杨氏模量参数来表征岩石的脆性，建立了井漏综合指数。这是一种评估井漏风险的新方法，在此基础上建立了井漏风险评估模型以及分级评价标准，在玛湖油田A井区进行应用，为钻井提供有效的井漏预警。

1 研究区地质背景

玛湖油田A井区在二叠系上乌尔禾组获得重要油气发现，建产潜力大。研究区构造相对简单，为西南倾单斜构造，基本不发育断裂。其储层具有低孔、低渗、横向非均质性强、油层薄的特征，优质储层展布特征不清楚，岩石力学参数空间展布规律不明确。根据研究区已钻井的岩心和成像测井资料显示（图1，图2），上乌尔禾组天然裂缝局部发育，裂缝以直立和斜交缝为主，裂缝走向基本为北北西方向。研究区已完钻井井漏频繁，水平井轨迹设计及现场优化难度大，严重影响钻井进度［7-9］。为满足后续产能建设需求，急需开展精确的井漏风险评估研究，为水平井轨迹优化设计提供重要参考。

2 常规井漏风险评估方法

目前常规的井漏风险评估方法以研究裂缝发育情况为主，利用地震资料预测裂缝的方法较为成熟。本文采用3种常规利用裂缝评估井漏风险的方法开展天然裂缝预测，并对研究区已钻井w9井进行井漏风险评估，分析它的井漏风险评估效果。实钻资料显示，w9井有2个点存在泥浆漏失发生井漏的情况（图3—图5）。
图1 上乌尔禾组岩心裂缝特征

Fig.1 Fracture in core of upper Wuerhe Group picture

图2 上乌尔禾组成像测井裂缝发育特征

Fig.2 Fracture development characteristics picture of FMI in Upper Wuerhe Group

2.1 相干分析

地震相干分析技术着眼于地震反射波形变化［10］，根据地震信号的相干性分析原理，计算三维数据体中所有相邻道的相干性，突出相邻道间地震信号的非相似性， 进而检测断层和裂缝。它对较大的裂缝发育带和断层比较敏感。根据所给数据体的道数、倾角大小和计算时窗计算相干系数［5］，即：
R ( t , φ m a x ) = ∑ L = t - N / 2 L = t + N / 2 T L T L + φ ' ∑ L = t - N / 2 L = t + N / 2 T L 2 T L + φ m a x ' 2
式中：R是相干系数，为地震道时间和两地震道倾角函数；t为时间； φ为倾角；T和T′是地震道数据对。
图3 w9井相干体剖面（蓝色和黑色表示相干性低，裂缝较发育）

Fig.3 Coherent profile through Well w9 (blue and black mean low coherence, fracture development)

图4 w9井最大曲率剖面（蓝色和黑色表示曲率大，裂缝较发育）

Fig.4 Maximum curvature profile through Well w9 (blue and black mean high curvature, fracture development)

图3为过w9井的相干体剖面。从剖面看，相干分析预测裂缝只能大致反映裂缝较为发育的区域，不能反映裂缝的具体形态，裂缝预测结果不够精细。w9井水平段相干体未能显示出裂缝，可能是由于目的层段局部发育的裂缝规模不够大，相干分析对它们不敏感。因此，利用相干分析对w9井难以进行井漏风险评估。

2.2 曲率

曲率是用来描述曲线或曲面弯曲程度的一种数学参数。利用曲率法来预测裂缝分布和发育情况是基于裂缝生成的机理。一般来说，地层受构造应力作用会发生弯曲变形，构造应力越大，受构造应力作用的地层弯曲程度就越大，破裂作用也就越强，在这个位置裂缝就往往越发育。地层弯曲程度大的地方，层面的曲率值也会高，因此可以用曲率来反映裂缝分布和发育情况［11-13］。但是将曲率应用于岩石裂缝研究有3个前提条件：①岩层是变形弯曲层；②变形弯曲岩层面上的裂缝都是由弯曲派生的拉张力造成的；③将岩层看作完全弹性体，不考虑其塑性变形，裂缝产生于曲率相对高部位。在此条件下可用曲率研究裂缝发育特征［14］。
曲线y=f（x）上某一点的曲率K的表达式为：
K = d 2 y / d x 2 [ 1 + ( d y / d x ) 2 ] 3 / 2
式中：x为曲线的横坐标；y为曲线的纵坐标。将其推广到三维空间（x，y，z），拟合公式为：
z ( x , y ) = a x 2 + b y 2 + c x y + d x + e y + f
式中各项系数分别为： a = 1 2 d 2 z d x 2， b = 1 2 d 2 z d y 2， c = d 2 z d x d y， d = d z d x， e = d z d y，f为常数。过曲面上某一点的无穷多个正交曲率中存在一条曲线，使得该曲线的曲率为最大，这个曲率称为该曲面的最大曲率K max。它是由平均曲率K m和高斯曲率K g计算得到，计算公式分别为：
K m = a ( 1 + e 2 ) + b ( 1 + d 2 ) - c d e ( 1 + d 2 + e 2 ) 3 2
K g = 4 a b - c 2 ( 1 + d 2 + e 2 ) 2
K m a x = K m + K m 2 - K g
图4为过w9井的最大曲率剖面。从剖面看，曲率最大的蓝色区域呈零散分布，虽然曲率发生变化的位置指示了地层发生变形的位置，但是预测的是受构造应力作用产生的裂缝发育带，很难直接落实裂缝的真实位置。
而且曲率分析只考虑了地层最后的构造形态，容易出现误判，裂缝预测的准确度不够。w9井水平段2个井漏点处曲率值均不大，与实际井漏情况不符。

2.3 蚂蚁追踪

蚂蚁追踪是一种以蚁群算法为原理的启发式仿生算法，该算法的原理类似于蚂蚁利用信息素传达信息，在巢穴和食物之间寻找最短路径。蚂蚁追踪预测断层和裂缝的基本思路是在地震数据体中设定大量的电子蚂蚁，并让每个蚂蚁沿着可能的断面或者裂缝向前移动，同时发出信息素。如果蚂蚁遇到预期的断面或者裂缝将利用信息素做出明显的标记，而对不可能是断面或者裂缝的将不做标记［15］。
在蚂蚁算法中，人工蚂蚁对路径的选择对信息素浓度有很大的依赖性，信息素浓度大的路径被选择的概率较大，对一只蚂蚁来说依照转移概率P寻求下一节点，其转移概率为［16］：
P i j = τ i j α ( t ) η i j β ( t ) ∑ τ i j α ( t ) η i j β ( t ) j ∈ 蚂 蚁 k 允 许 走 的 下 一 个 节 点 0 j ∉ 蚂 蚁 k 允 许 走 的 节 点
蚂蚁经过时路径上的信息素会增加，同样也会随时间挥发，其更新方程为：
τ i j ( t + n ) = ρ τ i j ( t ) + ( 1 - ρ ) Δ τ i j Δ τ i j = ∑ k = 1 m Δ τ i j k
式中：k代表第k只蚂蚁；i为蚂蚁当前所在位置；j为蚂蚁下一路径所在位置； τ i j ( t )为t时刻在节点ij连线上残留的信息素； η i j为由位置i到位置j的期望程度； α， β分别表征信息素的迹和路线的可见度的相对重要程度； τ i j ( t + n )为经过n次迁移后路径ij上的信息素； ρ为信息素的残留程度； ( 1 - ρ )为信息素的挥发程度； Δ τ i j为一次循环中留在路径ij上的信息素。每只蚂蚁经过n次迁移后就得到一条路径，其长度记为 L k，若该路径满足最短路径的要求则停止。否则，需要重新计算各路径的信息素浓度，进行第二轮的搜索。通过信息素的不断更新最终收敛于最优路径上。
由蚂蚁追踪得到的蚂蚁体是蚂蚁追踪的痕迹，当存在断层和裂缝时蚂蚁大概率沿着断层和裂缝进行追踪，而不存在断层和裂缝的地方蚂蚁追踪的路径不确定，因此当大量蚂蚁对同一断层或裂缝进行追踪时就能加强追踪痕迹，从而突显出地震数据的不连续性。蚂蚁体能够通过蚂蚁追踪的痕迹来表示裂缝相对强度，反映裂缝发育程度，是一种强化裂缝特征的属性。它对裂缝的识别精度是受蚂蚁数量和搜索半径控制的，蚂蚁数量和搜索半径越大，识别的裂缝也就越精细，但是蚂蚁追踪的处理时间也就越长。因此，蚂蚁追踪在大尺度裂缝预测中能够预测裂缝的分布和产状，也可以针对地震剖面上肉眼无法识别的裂缝进行精细刻画［17-18］。
图5为过w9井蚂蚁追踪的裂缝相对强度剖面。从剖面看，与相干分析和曲率相比，蚂蚁追踪所体现出的裂缝更加清晰、细致，更能反映细小裂缝的展布特征，体现了更多细节，裂缝预测的精度有了明显提高。针对研究区目的层段天然裂缝只是局部发育，并非大规模发育的特点，采用精度较高的蚂蚁追踪进行裂缝预测更加合适。w9井第1个井漏点裂缝强度比第2个井漏点小很多，从裂缝发育程度来看，第1个点的井漏风险应该比第2个点要小很多，但实际上2个点都发生了井漏，与实际井漏情况不符。因此，虽然蚂蚁追踪预测裂缝的效果较好，但是仅根据裂缝预测的结果去评估井漏风险还是与已钻井实际井漏发生的情况存在较大的差异。
图5 w9井蚂蚁追踪的裂缝相对强度剖面（蓝色和黑色表示裂缝相对强度大，裂缝较发育）

Fig.5 Relative degree of fracture development profile by ant tracking through Well w9 (blue and black mean fracture development)

3 基于井漏综合指数的井漏风险评估方法

3.1 井漏风险评估综合指数

从之前的分析可知，仅根据裂缝预测的结果去评估井漏风险是不够准确的。由引起井漏的因素可知，除了裂缝，还有多孔隙和地层破裂与井漏有关。根据研究区的地质特征，目的层段低孔、低渗、横向非均质性强、油层薄，因此研究区井漏的主要因素为裂缝和地层破裂。地层的破裂压力与岩石力学性质脆性有关，岩石力学参数杨氏模量可以表征岩石脆性，杨氏模量越高，破裂压力则越小，井漏风险越高。因此，综合裂缝发育情况和岩石力学性质对井漏的评估更加准确。
本文提出的井漏风险评估新方法综合考虑了3个参数。一是通过对裂缝表征参数的细化，利用蚂蚁追踪进行精确的裂缝预测，采用裂缝相对强度和裂缝视长度2个参数来体现井漏中裂缝的影响。裂缝相对强度表示裂缝发育程度，可由蚂蚁追踪裂缝预测得到，裂缝相对强度越大表示裂缝越发育。裂缝视长度表示裂缝的展布，这个参数需要从蚂蚁追踪的裂缝相对强度数据体得到。首先将裂缝相对强度数据体转换到深度域，然后在裂缝相对强度数据体上得到单裂缝条带空间分布趋势面，最后量取其在过井轨迹深度域裂缝相对强度剖面中的长度。裂缝视长度越大表示裂缝延伸越长，越有可能形成大规模的裂缝，越有可能与其他的裂缝相连通。二是考虑地层破裂对井漏的影响，用岩石力学参数杨氏模量表征岩石脆性，反映地层破裂压力。
这3个参数的变化与井漏风险成正比，越大就越容易发生井漏。构建了井漏风险评估综合指数公式：
L = R x × R s × E
式中：R x为裂缝相对强度，是一个相对值，数值在0~1之间；R s为裂缝视长度，m；E为杨氏模量，GPa。

3.2 井漏风险评估模型及分级评价标准

为了总结一套适用性强，而且更有效的井漏风险评估方法，以井漏综合指数为核心，建立井漏风险评估模型及分级评价标准（图6）。通过研究区的已钻井进行样本统计分析，确定有裂缝发育的地方是否发生井漏，并统计裂缝相对强度、裂缝视长度和杨氏模量这3个参数，计算得到该点的井漏综合指数。在此基础上，结合发生井漏的情况将井漏综合指数的范围按照井漏风险进行分级。本文将井漏风险分为低、中低、中高和高共4个等级，低和中低风险表示井漏发生的概率较低，高和中高风险表示井漏发生的概率较高（表1）。低井漏风险的井漏综合指数范围是指在该范围内小于20%的样本点发生井漏。中低井漏风险的井漏综合指数范围是指在该范围内有20%~50%的样本点发生井漏。中高井漏风险的井漏综合指数范围是指在该范围内有50%~80%的样本点发生井漏。高井漏风险的井漏综合指数范围是指在该范围内大于80%的样本点发生井漏。井漏风险的分级及其分级标准不是一成不变的，应根据研究区的具体情况而定。其他地区井漏风险分级标准可能会与该区存在差异。
图6 井漏风险评估流程

Fig.6 Workflow of leakage risk evaluation

表1 井漏风险评估分级标准

Table 1 Classification standard of leakage risk evaluation

井漏综合指数范围 发生井漏的概率/% 风险等级
指数≤低风险上限值 ≤20 低
低风险上限值≤指数<中—低风险上限值 20~50 中—低
中—高风险下限值≤指数<高风险下限值 50~80 中—高
指数≥高风险下限值 ≥80 高

3.3 岩石力学参数分析

在常规井漏风险评估方法的对比中，已经对裂缝进行过分析，下面重点研究岩石力学参数。岩石力学参数杨氏模量能够反映岩石的脆性，一般杨氏模量越大，岩石脆性越好［19-20］，地层破裂压力则越小，井漏风险越高。由于钻井取心资料有限，难以全面评估岩石力学参数分布规律，因此建立了利用岩石物理建模分析地层弹性参数纵波速度、横波速度和密度，以及通过叠前地质统计学反演精细预测杨氏模量的方法。

3.3.1 岩石物理建模

在地震叠前反演中经常会遇到缺少横波曲线、缺失部分密度曲线以及曲线失真等情况。因此，在反演前需要通过岩石物理建模进行储层参数（泥质含量、孔隙度、饱和度）解释，正演地层弹性参数（纵波速度、横波速度、密度），并与实际曲线对比，通过调整岩石物理建模参数，使正演结果与实际测量结果达到最佳匹配，从而得到能反映地下真实情况的、可靠的横波和密度曲线［21］。
针对本研究区，岩石物理建模的技术流程见图7，模型关键参数见表2，其中主要涉及的岩石物理理论模型有［22］：
图7 岩石物理建模流程

Fig.7 Workflow of rock physics modeling

表2 岩石物理建模参数

Table 2 Parameter table of rock physics modeling

参数 值
环境参数 温度/℃ 93
压力/MPa 55
流体参数 气比重 0.892 3
油比重 0.84
地层水矿化度/10-6 30 000
黏土矿物参数 黏土纵波速度/（m/s） 3 200
黏土纵横波速度比 2.19
黏土密度/（g/cm3） 2.465
骨架矿物参数 砂纵波速度/（m/s） 5 300
砂纵横波速度比 1.754
砂密度/（g/cm3） 2.67
孔隙宽长比 基质a 0.1
黏土 0.06
（1）骨架矿物混合方法：Voigt-Reuss-Hill。
（2）流体体积模量计算方法：Batzle & Wang。
（3）油、水两相流体体积模量计算方法。
( K b r i n e - K h c ) × S w B r i e   +   K h c
式中： K b r i n e和 K h c分别是水、油的体积模量； S w 为含水饱和度；Brie指数为2。
（4）干岩石模型计算方法：Marion。
（5）流体置换方法：Gassmann。

3.3.2 叠前地质统计学反演

地质统计学反演是将地质统计学与井资料和地震资料进行有机融合，能够对薄层进行精细预测的随机反演方法［23-24］。叠前地质统计学反演就是利用地质统计学方法对叠前数据进行反演，可以得到纵波速度、横波速度和密度。该方法基于贝叶斯推论的马尔科夫链—蒙特卡洛算法，能够将各方面的信息包括地质、测井、地震等，通过概率密度函数PDF作为输入，反演生成高分辨率的纵波速度、横波速度和密度体［25］。
其方法基本原理是首先构建一个概率密度函数PDF来表征在已知地质、地震、测井、油藏工程等信息的条件下储层的概率，数学表达式可用高斯随机函数表示：
P Θ = θ   |   v ∝ e x p - 1 2 θ T f θ
式中：属性体 Θ在每一个网格点上的属性值均呈正态分布；θ表示从属性体 Θ的每个网格点上随机采样获得的一个三维数值模型子集； f 是变差函数v衍生的协方差矩阵的逆矩阵，两者关系可以表示为：
f - 1 a b = 1 - v a - b = c o v Θ a , Θ b
在对每个信息源定义了合适的PDF函数之后，就可以运用贝叶斯推论把它们合并为一个后验的PDF函数。贝叶斯推论是一种概率推断方法，能够无偏地将多种不确定信息源整合到同一体系中，用于在给定已知验证（E）和假设条件（H）的前提下求解某一事件（X）发生的后验概率。数学表达式为：
P X | H , E = P X | H P E | X P E | H
式中：P（X|H，E）是待求解的目标后验概率；P（X|H）是在已知假设条件（H）下事件X的先验概率分布；P（E|X）是发生事件X与已知验证（E）之间的的相似性；P（E|H）是一个归一化参量，可忽略。最后利用马尔科夫链蒙特卡洛算法对后验PDF进行采样，从而获得各种所需的属性体。
叠前地质统计学反演是在后验PDF函数为已知变差函数、合成记录以及实际地震数据的前提条件下，求解纵波速度、横波速度和密度。由叠前地质统计学反演得到的纵波速度、横波速度和密度就可以计算岩石力学参数杨氏模量，计算公式为：
E= ρ V S 2 ( 3 V P 2 - 4 V S 2 ) V P 2 - V S 2 （14）
式中：E为杨氏模量； V P为纵波速度； V S为横波速度；ρ为密度。
图8 w9井叠前地质统计反演的杨氏模量剖面（红色和黄色表示杨氏模量大，地层脆性较高）

Fig.8 Young modulus profile from prestack geostatistical inversion through Well w9 (red and yellow mean high Young modulus, high brittleness)

图8为过w9井叠前地质学统计学反演的杨氏模量剖面。从剖面看，杨氏模量在2个井漏点的值都较大，岩石脆性大，地层破裂压力小，具有较大井漏风险，与实际井漏情况相符。因此，在常规评估方法基础上考虑杨氏模量参数非常必要。

4 实例分析

利用基于井漏综合指数的井漏风险评估新方法在玛湖油田A井区上乌尔禾组进行井漏风险评估实际应用研究。从已钻井的井漏分析、最新实钻井的风险评估和未钻井的井漏预警3个方面来进行分析。

4.1 已钻井井漏分析

针对玛湖油田A井区上乌尔禾组，通过蚂蚁追踪的裂缝预测得到较准确的裂缝相对强度和裂缝视长度，利用叠前地质统计学反演得到精细的杨氏模量预测，再由式（9）得到7口已钻井的15个有裂缝发育处的井漏综合指数并统计井漏发生的情况（表3）。其中，w9井第1统计点井漏综合指数为241、第2统计点井漏综合指数为517。
表3 已钻井井漏综合分析

Table 3 Leakage comprehensive analysis table of the existing wells

井号 裂缝相对强度 裂缝视长度/m 杨氏模量/GPa 综合指数
井漏点 w3 0.12 55 50 330
w4 0.42 22 42 388
w5 0.17 20 80 272
w6 0.38 57 38 823
w9 0.16 32 47 241
w9 0.42 28 44 517
w11 0.1 24 46 110
未漏点 w3 0.1 20 48 96
w4 0.12 16 43 83
w5 0.20 30 38 228
w6 0.3 12 43 155
w10 0.28 20 31 174
w10 0.15 20 31 93
w10 0.3 20 15 90
w10 0.35 23 40 322
根据模型的分级评价标准，将统计的样本点进行分级（图9），确定研究区各风险等级的井漏综合指数上下限值（表4），建立该区的井漏风险评估模型，对后续钻井有裂缝发育的地区开展井漏风险评估的分级评价。
图9 已钻井统计样本点分级直方图

Fig.9 Sample data classification histogram of the existing wells

表4 玛湖油田A井区井漏风险评估分级评价标准

Table 4 Leakage risk classification evaluation standard of A area in Mahu Oilfield

井漏综合指数范围 发生井漏的概率/% 风险等级
指数≤100 ≤20 低
100≤指数<200 20~50 中—低
200≤指数<300 50~80 中—高
指数≥300 ≥80 高
根据井漏风险评估模型评估w9井，第1统计点具有中高井漏风险，第2统计点具有高井漏风险，评估结果与实钻相吻合。

4.2 井漏风险评估验证

利用新方法，对w7、w2两口最新钻井的井漏风险进行了评估。其中，w7井的第1个风险点裂缝强度较小（图10），裂缝相对不发育，裂缝视长度中等，杨氏模量相对较小（图11），计算综合指数为158，大于100且小于200，认为井漏风险为中低；第2个点虽然裂缝强度较大，裂缝相对发育，但是裂缝视长度较小，杨氏模量也较小，计算综合指数为168，大于100且小于200（表5），认为井漏风险也为中低。该井在实钻过程中确实未发生井漏。
w2井在1号风险点裂缝强度大（表6，图12），裂缝相对发育，裂缝视长度中等，虽然杨氏模量相对较小（图13），但是综合指数超过300（表6），认为井漏风险高。该井在实钻过程中1号风险点确实发生了井漏。
图10 w7井蚂蚁追踪的裂缝相对强度剖面

Fig.10 Relative degree of fracture development profile by ant tracking through Well w7

图11 w7井叠前地质统计学反演的杨氏模量剖面

Fig.11 Young modulus profile from prestack geostatistical inversion through Well w7

通过2口新钻井评估验证，表明井漏综合指数评估井漏风险较为有效，适用于该地区的钻井井漏风险评估。
表5 w7井漏综合分析

Table 5 leakage comprehensive analysis of Well w7

序号 测深/m 裂缝强度 裂缝视长度/m 杨氏模量/GPa 综合指数 井漏风险
1 4 074.6 0.3 15 35 158 中—低
2 4 648.2 0.6 8 35 168 中—低
图12 w2井蚂蚁追踪的裂缝相对强度剖面

Fig.12 Relative degree of fracture development profile by ant tracking through Well w2

图13 w2井叠前地质统计学反演的杨氏模量剖面

Fig.13 Young modulus profile from prestack geostatistical inversion through Well w2

表6 w2井漏综合分析

Table 6 Lakage comprehensive analysis of Well w2

序号 测深/m 裂缝强度 裂缝视长度/m 杨氏模量/GPa 综合指数 井漏风险
1 4 143.8 0.9 20 34 612 高

4.3 井漏风险预警

利用新方法对该区w8井钻前进行了井漏风险评估。首先对w8井利用蚂蚁追踪预测了裂缝相对强度（图14），利用叠前地质统计学反演得到了杨氏模量（图15），选择了3个点进行风险评估。从剖面看，第1个点裂缝强度较大，裂缝相对发育，裂缝视长度较小，杨氏模量较小；第2个点裂缝强度大，裂缝相对发育，裂缝视长度中等，杨氏模量较小；第3个点裂缝强度较小，裂缝相对不发育，裂缝视长度较小，杨氏模量较小。
再利用新方法得到井漏综合评估指数进行评价（表7），第1个点综合指数超过100，但小于200，井漏风险中低；第2个点综合指数超过300，井漏风险高；第3个点综合指数小于100，井漏风险低。
通过以上井漏风险评估，认为在w8井设计的水平段井轨迹中第2个点存在高井漏风险，建议重新调整井轨迹或者提醒现场钻井人员在钻遇该段地层时注意可能会发生井漏。该建议得到了油田采纳。

5 结论

（1）井漏综合指数是一种评估井漏风险的新参数，围绕井漏综合指数建立了一套井漏风险评估的新方法，是一种由以往定性分析发展到定性—半定量分析的井漏评估新方法。
图14 w8井蚂蚁追踪的裂缝相对强度剖面

Fig.14 Relative degree of fracture development profile by ant tracking through Well w8

图15 w8井叠前地质统计学反演的杨氏模量剖面

Fig.15 Young modulus profile from prestack geostatistical inversion through Well w8

表7 w8井漏综合分析

Table 7 leakage comprehensive analysis of Well w8

序号 测深/m 裂缝强度 裂缝视长度/m 杨氏模量/GPa 综合指数 井漏风险
1 4 378.8 0.5 10 37 185 中—低
2 4 650.3 0.7 22 35 539 高
3 5 102.6 0.3 10 32 96 低
（2）井漏综合指数评估新方法，考虑了岩石力学因素的影响，与3种常规仅用裂缝评估井漏风险的相干分析、曲率和蚂蚁追踪法相比，能更好地评估井漏，可避免利用单一裂缝预测进行井漏风险评估所产生的井漏误判和漏判。
（3）该方法可推广应用到其他与玛湖油田A井区类似的低孔、低渗、横向非均质性强的致密储层发育区，但在应用到其他地区时，井漏分级评价标准及对应的井漏综合指数上下限值可能会发生变化，需要基于已有资料进行统计分析并用实钻井资料进行验证后确定。

References

Publishing order | Descend order by publishing year | Descend order by cited within
1
朱文鉴，郭学增. 石油钻井井涌井漏实时预测专家系统研究［J］. 现代地质， 1997，11（1）：86-90.

ZHU W J， GUO X Z. Study on the expert system for real-time predicting kick and lost circulation［J］. Geoscience， 1997，11（1）：86-90.

2
李大奇，刘四海，林永学，等. 裂缝网络地层钻井液漏失模拟［J］. 钻井液与完井液， 2017，34（2）：45-50.

LI D Q， LIU S H， LIN Y X， et al. Simulation of mud loss in formations with fracture network［J］. Drilling Fluid & Completion Fluid， 2017，34（2）：45-50.

3
李松，康毅力，李大奇，等. 复杂地层钻井液漏失诊断技术系统构建［J］. 钻井液与完井液， 2015，32（6）：89-95.

LI S， KANG Y L， LI D Q， et al. Diagnosis system for characterizing lost circulation in troublesome formations［J］. Drilling Fluid & Completion Fluid， 2015，32（6）：89-95.

4
左星，罗超，张春林，等. 四川盆地裂缝储层钻井井漏安全起钻技术认识与探讨［J］. 天然气勘探与开发， 2019，42（1）：108-113.

ZUO X， LUO C， ZHANG C L， et al. Safe tripping-out technology against lost circulation in fractured reservoirs， Sichuan Basin［J］. Natural Gas Exploration and Development， 2019，42（1）：108-113.

5
黄花香，熊艳，邓瑛，等. 川东北地区恶性井漏层段地震预测技术探索［J］. 石油物探， 2005，44（2）：142-146.

HUANG H X， XIONG Y， DENG Y， et al. Preliminary study on seismic prediction for severe leakage horizons in the northeast Sichuan［J］.Geophysical Prospecting for Petroleum， 2005，44（2）：142-146.

6
蔡进. 涪陵页岩气田焦页A平台志留系井漏地质原因分析［J］. 江汉石油科技， 2019，29（3）：14-19.

CAI J. Geologic analysis of leakage in Silurian Formation on Jiaoye A platform in Fuling shale gas field［J］. Jianghan Petroleum Science and Technology， 2019，29（3）：14-19.

7
刘涛，石善志，郑子君，等. 地质工程一体化在玛湖凹陷致密砂砾岩水平井开发中的实践［J］. 中国石油勘探， 2018，23（2）：90-103.

LIU T， SHI S Z， ZHENG Z J， et al. Application of geology-engineering integration for developing tight oil in glutenite reservoir by horizontal wells in Mahu Sag［J］. China Petroleum Exploration， 2018，23（2）：90-103.

8
章敬，罗兆，徐明强，等. 新疆油田致密油地质工程一体化实践与思考［J］. 中国石油勘探， 2017，22（1）：12-20.

ZHANG J， LUO Z， XU M Q， et al. Application of geology-engineering integration in development of tight oil in Xinjiang Oilfield［J］. China Petroleum Exploration， 2017，22（1）：12-20.

9
马永平，黄林军，滕团余，等. 准噶尔盆地玛湖凹陷斜坡区三叠系百口泉组高精度层序地层研究［J］. 天然气地球科学， 2015，26（）：33-40

MA Y P， HUANG L J， TENG T Y， et al. Study on the high-resolution sequence stratigraphy of Triassic Baikouquan Formation in the slope zone of Mahu Depression in the Junggar Basin［J］.Natural Gas Geoscience，2015，26（supplement 1）：33-40.

10
苏朝光，刘传虎，王军，等. 相干分析技术在泥岩裂缝油气藏预测中的应用［J］. 石油物探， 2002，41（2）：197-201.

SU C G， LIU C H， WANG J， et al. Application of coherence analysis technology in the prediction of fractured shale reservoirs and its effect analysis［J］. Geophysical Prospecting for Petroleum， 2002，41（2）：197-201.

11
卢世浩，杨红满，胡江涛. 主曲率法预测顺北区块二叠系井漏研究［J］. 录井工程， 2019，30（4）：17-21.

LU S H， YANG H M， HU J T. Study on prediction of Permian lost circulation in Shunbei block by principal curvature method［J］. Mud Logging Engineering， 2019，30（4）：17-21.

12
李志军，张瀛，窦煜，等. 曲率法致密砂岩储层裂缝预测［J］. 西南石油大学学报：自然科学版， 2013， 35（6）： 58-63.

LI Z J， ZHANG Y， DOU Y， et al. Fracture prediction in tight sandstone reservoir with curvature method［J］. Journal of Southwest Petroleum University：Science & Technology Edition， 2013， 35（6）： 58-63.

13
隆雨辰，李俊，王志章，等. 综合蚂蚁体及曲率属性的断裂识别方法及应用［J］. 油气藏评价与开发， 2017，7（4）：6-15.

LONG Y C， LI J， WANG Z Z， et al. Fracture identification methods and application of integrated ant body and curvature attribute［J］. Reservoir Evaluation and Development， 2017，7（4）：6-15.

14
王雷，陈海清，陈国文，等. 应用曲率属性预测裂缝发育带及其产状［J］. 石油地球物理勘探， 2010， 45（6）： 885-889.

WANG L， CHEN H Q， CHEN G W， et al. Application of curvature attributes in predicting fracture-developed zone and its orientation［J］. Oil Geophysical Prospecting， 2010， 45（6）： 885-889.

15
刘雷颂，高军，代双河，等. “蚂蚁追踪”裂缝预测技术在中东AD油田开发中的应用［J］. 石油天然气学报， 2013， 35（8）： 57-61.

LIU L S， GAO J， DAI S H，et al.Application of “Ant Tracking” fracture prediction technique in development of AD Oilfield［J］.Journal of Oil and Gas Technology，2013，35（8）： 57-61.

16
王军，李艳东，甘利灯. 基于蚂蚁体各向异性的裂缝表征方法［J］. 石油地球物理勘探， 2013，48（5）：763-769.

WANG J， LI Y D， GAN L D. Fracture characterization based on azimuthal anisotropy of ant-tracking attribute volumes［J］. Oil Geophysical Prospecting， 2013，48（5）：763-769.

17
罗荣涛，魏红梅，陈杰. 基于蚂蚁体追踪技术的裂缝预测—以东营南坡东部沙四段碳酸盐岩为例［J］. 油气地球物理， 2016，14（4）：22-25.

LUO R T， WEI H M， CHEN J. A fracture prediction method based on ant tracer technique： A case history of carbonate rock of Es 4 of the east of the south slope of Dongying Sag［J］. Petroleum Geophysics， 2016，14（4）：22-25.

18
李楠，王龙颖，黄胜兵，等. 利用高清蚂蚁体精细解释复杂断裂带［J］. 石油地球物理勘探， 2019，54（1）：182-190.

LI N， WANG L Y， HUANG S B， et al. 3D seismic fine structural interpretation in complex fault zones based on the high-definition ant-tracking attribute volume［J］. Oil Geophysical Prospecting， 2019，54（1）：182-190.

19
张瑞，文晓涛，杨吉鑫，等. 杨氏模量和泊松比反射系数近似方程及地震叠前反演［J］. 石油地球物理勘探， 2019，54（1）：145-153.

ZHANG R， WEN X T， YANG J X， et al. Two-term reflection coefficient equation with Young's modulus and Poisson ratio and its prestack seismic inversion［J］. Oil Geophysical Prospecting， 2019，54（1）：145-153.

20
张平，夏晓敏，崔涵，等. 基于岩石物理实验的致密油储集层脆性指数预测——以柴达木盆地跃灰101井区为例［J］. 新疆石油地质， 2019，40（5）：615-623.

ZHANG P， XIA X M， CUI H， et al. Tight oil reservoir brittleness index prediction based on petrophysical experiments： A case from Yuehui 101 area of Qaidam Basin［J］. Xinjiang Petroleum Geology， 2019，40（5）：615-623.

21
AVSETH P， MUKERJI T， MAVKO G. Quantitative Seismic Interpretation： Applying Rock Physics Tools to Reduce Interpretation Risk［M］. Cambridge： Cambridge University Press， 2005.

22
MAVKO G， MUKERJI T， DVORKIN J.The Rock Physics Handbook-Tools for Seismic Analysis of Porous Media［M］. Cambridge，United Kingdom：Cambridge University Press，2009.

23
杜世通.地质统计学方法概要［J］.油气地球物理，2004，2（4）：31-38.

DU S T. Geostatistical method summary［J］. Petroleum Geophysics， 2004，2（4）：31-38.

24
孙思敏，彭仕宓. 基于模拟退火算法的地质统计学反演方法［J］. 石油地球物理勘探，2007，42（1）：38-43.

SUN S M， PENG S M. Inversion of geostatistics based on simulated annealing algorithm［J］. Oil Geophysical Prospecting， 2007， 42（1）：38-43.

25
PHILIPPE. Geostatistical inversion from seismic data to reservoir characteristics［J］. Equipment for Geophysical Prospecting， 2000，12（4）：418-426.

Options
Outlines

/

〈 〉

陇ICP备2021001824号-7　 甘公网安备 62010202000678号
Copyright © Natural Gas Geoscience, All Rights Reserved.
Tel: (0931)8277790　
E-mail：geogas@lzb.ac.cn
Total visitors:　 Visitors of today: 　 Now online:
Powered by Beijing Magtech Co. Ltd,.