-
东海盆地西湖凹陷是中国近海海域最大的新生代沉积盆地[1],根据大量钻井实测资料表明,西湖凹陷深部地层中不同层段、不同岩性的孔隙压力分布规律复杂多变,尤其平湖组压力突变的特殊压力现象导致出现先增压后降压系统特征。压力突变是指地层中孔隙压力在短时间内发生剧烈变化,一般压力突变主要包括压力激增和压力反转两种情况。钻井作业过程中压力突变可能会导致井涌、井漏及钻头卡钻等复杂事故,随着油气勘探开发转向深部复杂地层,实钻过程中压力突变现象更为频繁发生,严重制约着钻井作业安全高效进行,对西湖凹陷深层油气勘探开发带来巨大挑战。超压成因的精准判识与合理的地层压力预测方法是阐明异常压力变化现象的关键,因此明确西湖凹陷成压机制对于压力突变形成和预测具有重要意义。探究岩石力学属性(有效应力、上覆岩层压力)和岩石物理属性(声波、电阻率、密度)关系是精确描述孔隙压力变化的有效手段。Eaton法和Bowers法[2]在明确超压成因的前提下基于测井资料中有效应力与速度之间的关系构建了孔隙压力模型。Fillippone法[3]不依赖正常趋势线采用高精度反演的层速度预测孔隙压力。樊洪海[4]综合Eberhart-Phillips提出的经验公式,建立了考虑泥质含量、孔隙度、垂直有效应力对声波速度影响的综合解释方法。近年来,诸多学者在上述方法的基础上进行了改进工作,分别建立了适应目标区块的地层压力预测模型[5-9]。然而,已有研究无法较好地解释西湖凹陷压力突变现象,且预测结果都与实钻测压存在较大偏差,给深部地层钻井作业带来了较高风险。因此为准确描述西湖凹陷深部地层的压力突变特殊现象,在消除烃源岩有机质造成的压力假象前提下,笔者结合不同层位及岩性的成压机制精准判识,建立适用于深部压力突变地层的孔隙压力预测新模型,为东海盆地西湖凹陷区深层勘探开发提供技术借鉴。
-
1 压力突变现象描述
-
西湖凹陷位于东海陆架盆地东北部,平面上自西向东划分为西部斜坡带、西部次凹带、中央反转构造带、东部次凹带和东部断阶带5个次级构造单元[10](图1)。研究区西部斜坡带平湖组西湖凹陷是目前勘探开发的主战场,其煤系地层、烃源岩有机质丰度发育,成为主力烃源岩地层。综合利用测压数据、钻井液密度等实钻资料对研究区进行分析,发现不同层位、不同岩性地层压力结构差异较大,整体上压力系数随着深度增大先增后降(图2)。平湖组上段、中段下段压力系数(压力当量密度)分别为0.97~1.33、 1.00~1.47、1.06~1.87 g/cm3。深部地层压力纵向分布复杂,自平湖组中段开始起压,进入平湖组中段下部压力增大明显,到平湖组下段顶部压力系数激增呈阶梯状向下快速增加(图3),但平湖组下段底部压力有降低回头特征,局部井区压力急剧下降,呈现压力反转现象。预测地层压力与实际偏差较大(表1),深层频发的压力突变现象已严重限制了研究区钻井作业的顺利实施。
-
图1 西湖凹陷地层概况、构造演化与构造单元划分(据文献[10]修改)
-
Fig.1 Stratigraphic overview, tectonic evolution and division of tectonic units in Xihu Depression (modified from reference [10])
-
图2 西湖凹陷区实测地层压力特征
-
Fig.2 Measured formation pressure characteristics in Xihu Depression
-
图3 西湖凹陷区X井压力激增示意图
-
Fig.3 Schematic diagram of pore pressure surge in well X in Xihu Depression
-
2 压力突变成因
-
Bowers(加载-卸载曲线)法[11]可以通过对加载-卸载过程中岩石传导属性和体积属性的不同响应特征来精确判识异常压力成因,其考虑了岩石力学参数和岩石物理参数,目前有效应力-速度图和有效应力-密度图被广泛应用于成压识别(图4(a)、(b))。声波-密度交会图法(图4(c))是在Bowers法的基础上发展起来的,不均衡压实、构造挤压与正常压力位于加载曲线上,其他机制落入加载曲线之外。因此结合有机质演化特征和构造地质特征,利用上述两种方法可以有效判别成压机制。通过收集研究区多口井的声波时差、密度、自然伽马等测井资料,深入分析压力激增和压力反转的成因,利用已钻井实际测压数据绘制超压测井参数响应图。根据有效应力平衡方程,某一深度的垂直有效应力等于相同深度静岩压力与流体压力的差值:
-
式中,σ为垂直有效应力,MPa;S为静岩压力,MPa;p为同深度下的流体压力,MPa。
-
式中,ρw为海水密度,g/cm3;ρr为岩层密度,g/cm3;g为重力加速度,m/s2;H1为转盘面到海平面的高度,m;H2为海平面到泥线的深度,m;H3为泥线以下的深度,m。
-
图4 不同成压机制的垂向有效应力-声波速度/密度及声波速度-密度交会图版
-
Fig.4 Cross plot of vertical effective stress-acoustic velocity/density and acoustic velocity-density crossplot with different genesis mechanisms
-
2.1 压力激增
-
研究区A井预测井底P8层4890 m处地层温度约为165℃,井底孔隙压力最高约为1.5 g/cm3。实钻至P7层4695 m处最大气测值为24%;以1.47 g/cm3钻井液密度钻至P8层4841 m处最大气测值为38%,将密度提至1.69 g/cm3后模拟单根气,分别为21%和12%;将密度提至1.8 g/cm3,模拟无单根气。根据MDT结果及气测、后效气等综合分析的结果表明,A井平湖组P5层开始起压,P6层底部地层压力1.35 g/cm3,P7层底部孔隙压力增加至1.50 g/cm3,到P8层底部4848 m处孔隙压力快速增至1.80 g/cm3,呈现压力激增特征。
-
在图5(a)、(b)中,P8层超压带随有效应力的减小,声波速度减小而密度保持不变。在声波-密度交会图5(c)中,声波速度随孔隙压力的增大而减小,密度基本保持不变,两种判别方法都表现出弹性卸载的特征,而黏土矿物转化表现出非弹性卸载过程,流体膨胀或压力传递可能是P8层位异常高压的成因。从岩性角度分析,鉴于西湖凹陷是富烃凹陷,平湖组中下段又为西湖凹陷的主力烃源岩,煤层和炭质泥岩发育丰度高,有机质热演化进入大量生排烃阶段,表明生烃作用是P8层位的超压成压机制之一。渗透性砂岩层中的异常压力一般来自于邻近高压泥质岩层的压力传递[12],因此烃源岩的生烃作用和非烃源岩的压力传递是导致P8层压力激增现象的主要原因,前者联系更为密切。
-
图5 西湖凹陷区A井垂直有效应力、声波速度、密度响应交会图
-
Fig.5 Cross plot of vertical effective stress, acoustic velocity and density of well A in Xihu Depression
-
2.2 压力反转
-
研究区B井预测井底P9层4700 m处地层温度约为140℃,井底孔隙压力最高约为1.6 g/cm3。四开钻至4337 m揭开平湖组P8高压层,提高钻井液密度至1.5 g/cm3,钻至P9层底部时,钻具发生黏卡。根据实测压力分析压差卡钻是主要原因,P9层上部孔隙压力为1.48 g/cm3,而P9层中部井深4450 m以下出现压力反转,P9层4544 m降至常压1.06 g/cm3,此时实用钻井液密度仍为1.48 g/cm3,该井段压差值超过20 MPa。因此P9层孔隙压力呈现压力反转特征,揭示其成因对于降低作业风险尤其重要。
-
在图6(a)、(b)中,P9层压力带随有效应力基本不变,而声波速度和密度同时增加。由图6(c)可知,声波速度随孔隙压力的减小而增大,密度在增大。不同交会图分析可看出平湖组P9层的成压机制为构造挤压作用。从压力封存箱以及岩性的角度加以判别,随着埋深逐渐增加,储层厚度不断增大,砂地比持续升高,平湖组下段煤层的发育丰度却显著降低,其生烃与排烃能力也随之减弱,这就意味着烃源岩生烃作用所引发的异常高压成因已不再占据主导地位[13]。综合上述两种判识方法,都清晰地表明P9层的成压机制相较于其他层段存在显著差异。因此P9层非烃源岩受构造挤压作用而产生的显著变化是导致该层压力快速反转的主要原因。
-
图6 西湖凹陷区B井垂直有效应力、声波速度、密度交会图
-
Fig.6 Cross plot of vertical effective stress, acoustic velocity and density of well B in Xihu Depression
-
2.3 压力突变成因总结
-
利用实测压力点声波、密度及有效应力数据绘制交会图,有利地佐证A井压力激增和B井压力反转成因分析的合理性。结合图7可得,压力系数大于1.4 g/cm3的点都位于卸载曲线和平湖组P7—P8层段上,表明平湖组P7—P8层超压主要由卸载作用导致;而压力系数在1.2~1.4 g/cm3的点都位于平湖组P5、P6、P9层段和加载曲线上,但P5—P6层段声波和密度随有效应力增加而增加,P9层段有效应力基本不变,且声波和密度都呈增大趋势,这表明平湖组P5—P6层高压主要由不均衡压实作用导致,P9层高压主要由构造挤压作用导致;压力系数在1.0~1.2 g/cm3的点位于花港组、平湖组P1—P4层段和加载趋势线上,花港组和平湖组P1—P4层主要是常压地层。
-
图7 西湖凹陷区实测压力点处垂直有效应力、声波速度、密度交会图
-
Fig.7 Cross plot of vertical effective stress, acoustic velocity and density at measured pressure points in Xihu Depression
-
通过对西湖凹陷典型的压力激增A井、压力反转B井以及实测压力点的有效应力-声波-密度交会图分析表明:西湖凹陷深层主要存在不均衡压实、生烃作用、压力传递、构造挤压等多种成压机制,其中烃源岩的生烃作用和非烃源岩的压力传递、构造挤压作用分别导致压力激增和压力反转。从岩性角度分析,深层孤立砂岩中的超压由于具有良好的密封环境,与泥岩中的超压接近。连续分布的砂岩层在挤压和断裂活动的影响下,流体开始侧向流动常会导致压力耗散,而泥岩的压力可以保持一定的超压。因此不同层段成压机制和岩性的显著差异是压力突变主要成因。
-
3 预测方法与实践
-
3.1 测井资料的收集和校正
-
不同岩性所导致的成压机制及压力分布呈多样性。在分析烃源岩层段的超压成因时,由于有机质的含量及类型对密度、声波速度等测井参数有明显影响。因此在开展成压机制分析和地层压力预测前,须进行岩性识别和有机质含量校正。泥质含量Vsh-TOC法是一种常用岩性识别方法[14],自然伽马精确解释的泥质含量Vsh与岩性之间的良好对应关系,根据Vsh可以将岩性划分为砂岩类、粉砂岩类和泥页岩类(表2,图8(a))。
-
生烃过程中干酪根等成熟的有机质和有机孔隙的存在造成声波时差数据波动,相当多的声波时差异常[15-16]可能是高丰度有机质和纳米级有机孔隙引起的欠压实异常假象[17]。因此为了消除高丰度有机质和有机孔隙造成的声波时差异常,构建了基于修正Wyllie方程的岩石物理模型。
-
图8 西湖凹陷区A井测井数据校正图
-
Fig.8 Correction of well A logging data in Xihu Sag
-
根据Wyllie公式可得,前人的研究中考虑了烃源岩体积模型中固体有机质,高丰度有机质烃源岩的岩石声波时差Δt和孔隙度φ可以表示为
-
式中,Δt为岩石声波时差,μs/m;φ为岩石总孔隙度,%;φT为有机质含量,%;Δtma为岩石骨架声波时差,μs/m;Δtom为有机质声波时差,μs/m;Δtf为孔隙流体声波时差,μs/m。
-
考虑有机孔隙时,则总孔隙度φ可表达为
-
式中,φi为无机孔隙度,%;φo为有机孔隙度,%;
-
由此,考虑有机质和有机孔隙的影响,令有机质含量为0,则校正后声波时差为
-
结合式(5)整理可得有机孔隙发育造成的声波时差响应Δtc为
-
式中,Δtfm为无机孔隙内流体的声波时差,μs/m;Δtfo为有机孔隙内流体的声波时差,μs/m。
-
式(7)中第二项为有机孔隙对异常压力计算的影响,需要将该项从原始声波时差中剔除,同时剔除第三项无机孔隙对有机孔隙内流体声波时差的影响,获得校正后的声波时差为
-
利用校正公式剔除高丰度有机质、纳米级有机质孔隙对测井数据的影响(图8(b))。
-
3.2 压力突变新模型构建
-
通过对压力突变成因分析表明,不同层位成压机制和岩性的变化是导致短时间压力发生急剧变化的主要原因,尤其在深部地层中更为常见,孔隙压力计算模型应避免响应特征多解性导致的偏差[18]。为了更好地描述压力激增和压力反转的现象,综合考虑压力突变成因中成压机制和岩性变化的影响,提出一种适应深层压力突变的孔隙压力预测方法。
-
解释不同层位异常压力成因主要是利用岩石物理属性(声波速度)和岩石力学性质(有效应力)的响应。不同Eaton指数n可以预测不同成压机制的孔隙压力。在对有效应力法的不确定分析中,n在压力激增时随压力增大而增大,压力反转时随压力减小而减小,孔隙压力与指数n呈正相关。上述表明根据地层成压机制不同,改变指数n可以描述复杂深层中出现的压力突变。
-
然而指数n仅靠经验来频繁改变会导致压力预测的不确定性程度加大。利用测井资料和测压数据反演可以得到指数n,发现其并不是一个固定数值,与反映地层特性的声波时差关系密切,尤其是进入深层压力突变层段后与声波时差变化程度具有相似趋势。经研究发现进入平湖组压力突变地层后指数n与(vn-v)(v和vn分别为实测声波速度和正常声波速度,m/s)表现出较好的线性关系,线性回归系数为0.98(图9),表明具有较好的相关性。因此通过f(vn-v)函数可以有效反映不同压力突变情况下有效应力与声波速度之间的关系,从而进一步构建适用于压力突变地层的有效应力-声波速度变化预测模型,
-
其中
-
式中,S为上覆岩层压力,MPa;pp为孔隙压力,MPa;ph为静水压力,MPa;σ和σn分别为实际垂直有效应力和正常压实下垂直有效应力,MPa;Δt和Δtn分别为实际声波时差和正常声波时差,μs/m;H为实钻井的垂直深度,m;k和z分别为压实趋势线的斜率和截距;a和b分别为线性拟合n的斜率和截距。
-
图9 指数n随声波速度差值变化相关图
-
Fig.9 Correlation diagram of exponential n with acoustic velocity difference
-
岩性的变化对压力突变的影响同样不可忽视,西湖凹陷的烃源岩和非烃源岩两种不同岩性的异常压力呈现双向变化趋势。测井数据自然伽马可以精确解释泥质含量,岩性与泥质含量有很好的对应关系,利用泥质含量值可以描述岩性的变化(表2)。由Eberhart-Phillips提出的声波速度与孔隙度、有效应力、泥质含量的函数[4],充分考虑了岩性变化的影响:
-
式中,vp为声波速度,m/s; σev为垂直有效应力,MPa。
-
尽管上述方法充分研究了密度、孔隙度、声波时差、有效应力、岩性对声波时差的影响,但未考虑成压机制的影响,仅是拟合了加卸载机制的地层相关参数,对于多源成压机制的地层中预测误差较大。借鉴此方法的优点,引入泥质含量和孔隙度这两个参数。综合考虑压力突变成因中成压机制和岩性变化的影响,建立vp(岩石传导属性)与φ(岩石体积属性)、σ(岩石力学性质)、Vsh(岩性)、vn-v与n变化关系(成压机制)的非线性方程:
-
前文已经确定了关系式中的a、b、vn,在此只需要确定泥质含量和孔隙度系数即可,收集多口井的实际测压数据和测井资料,利用最小二乘法进行参数拟合得到c和d,求取后的适用于深部压力突变地层的孔隙压力预测模型为
-
3.3 新模型在东海西湖凹陷地区的应用
-
利用研究区4口压力突变井进行模型应用,其中A与C为压力激增井,B与D为压力反转井,并结合实测压力进行模型误差分析。图10为A井与B井的预测结果,A井在P8层顶部到P8层底部孔隙压力从1.5 g/cm3激增至1.8 g/cm3。B井在P9层中部出现压力反转,底部压力系数快速降至1.06 g/cm3,下降幅度为0.48 g/cm3。误差分析结果(表3)表明,A井和C井压力激增预测平均误差分别为1.51%和2.28%,B井和D井压力反转预测平均误差分别为2.75%和2.67%,新模型预测误差带小于5.00%,平均误差仅为2.3%。以上结果说明新方法在西湖凹陷地区具有较好的适用性和较高的预测精度,为深部地层压力突变的预测提供了一种新思路。
-
图10 西湖凹陷区A与B井地层压力预测结果
-
Fig.10 Prediction results of pore pressure of A and B wells in Xihu Depression
-
续表
-
4 结论
-
(1)利用测井曲线计算法(Vsh-TOC法)筛选出富含有机质的烃源岩,通过修正Wyllie岩石体积模型,对富含有机质的烃源岩声波时差进行校正,有效地消除烃源岩中有机质造成的声波时差异常,减小泥岩超压研究结果的不确定性。
-
(2)西湖凹陷区深部地层不同层段的成压机制和岩性显著差异性是导致压力突变的主要成因。平湖组顶部异常高压主要由不均衡压实作用导致,平湖组中部压力激增主要由烃源岩的生烃作用以及非烃源岩的压力传递导致,平湖组下部压力反转主要由非烃源岩的构造挤压导致。
-
(3)对于目标区块出现的压力突变特殊现象,应用Eaton和Bowers等已有方法针对压力激增和反转点预测会出现较大误差。结合研究区4口井实测数据,新模型预测误差带小于5.00%,平均误差仅为2.30%,适用性较好,预测精度较高。
-
参考文献
-
[1] 周心怀.西湖凹陷地质认识创新与油气勘探领域突破[J].中国海上油气,2020,32(1):1-12.ZHOU Xinhuai.Geological understanding and innovation in Xihu sag and breakthroughs in oil and gas exploration[J].China Offshore Oil and Gas,2020,32(1):1-12.
-
[2] ZHANG J.Pore pressure prediction from well logs:methods,modifications,and new approaches[J].Earth-Science Reviews,2011,108(1/2):50-63.
-
[3] CHENG Y,FU L Y.Nonlinear seismic inversion by physics-informed Caianiello convolutional neural networks for overpressure prediction of source rocks in the offshore Xihu Depression,East China[J].Journal of Petroleum Science and Engineering,2022,215:110654.
-
[4] 樊洪海.适于检测砂泥岩地层孔隙压力的综合解释方法[J].石油勘探与开发,2002,29(1):90-92.FAN Honghai.A new integrated pore pressure evaluation method for shale-sand formations[J].Petroleum Exploration and Development,2002,29(1):90-92.
-
[5] 程远方,时贤,李蕾,等.考虑裂隙发育的碳酸盐岩地层孔隙压力预测新模型[J].中国石油大学学报(自然科学版),2013,37(3):83-87,97.CHENG Yuanfang,SHI Xian,LI Lei,et al.A novel pore pressure prediction model of carbonate formation with fracture development[J].Journal of China University of Petroleum(Edition of Natural Science),2013,37(3):83-87,97.
-
[6] 巫芙蓉,周诗雨,邓小江,等.一种改进的页岩气地震约束多因素孔隙压力预测方法[J].天然气工业,2021,41(1):198-204.WU Furong,ZHOU Shiyu,DENG Xiaojiang,et al.An improved seismic-constrained multi-factor pore pressure prediction method for shale gas reservoirs[J].Natural Gas Industry,2021,41(1):198-204.
-
[7] 霍进,石建刚,沈新普,等.新区块及未钻井深部地层孔隙压力预测方法:以准噶尔盆地南缘高压气井为例[J].天然气工业,2021,41(3):104-111.HUO Jin,SHI Jiangang,SHEN Xinpu,et al.Pore pressure prediction methods for new blocks and undrilled deep strata:a case study of the high pressure gas wells along the southern margin of the Junggar Basin[J].Natural Gas Industry,2021,41(3):104-111.
-
[8] 李中,刘和兴,李磊,等.基于改进的Bowers法预测南海陵水深水高温地层异常压力[J].西安石油大学学报(自然科学版),2019,34(6):60-66,73.LI Zhong,LIU Hexing,LI Lei,et al.Prediction of abnormal pressure in Lingshui deep-water high temperature formation based on improved Bowers method[J].Journal of Xi'an Shiyou University(Natural Science Edition),2019,34(6):60-66,73.
-
[9] 许玉强,何保伦,王舒,等.深度学习与Eaton法联合驱动的地层孔隙压力预测方法[J].中国石油大学学报(自然科学版),2023,47(6):50-59.XU Yuqiang,HE Baolun,WANG Yanshu,et al.A novel prediction method of formation pore pressure driven by deep learning and Eaton method[J].Journal of China University of Petroleum(Edition of Natural Science),2023,47(6):50-59.
-
[10] 刘毅,林承焰,林建力,等.东海盆地西湖凹陷深层低渗—致密砂岩孔隙结构特征及成因分析[J].天然气地球科学,2024,35(3):405-422.LIU Yi,LIN Chengyan,LIN Jianli,et al.Pore structure characteristics and genesis analysis of deep tight sandstone in Xihu Depression,East China Sea Basin[J].Natural Gas Geoscience,2024,35(3):405-422.
-
[11] BOWERS G L.Pore pressure estimation from velocity data:accounting for overpressure mechanisms besides undercompaction[J].SPE Drilling & Completion,1995,10(2):89-95.
-
[12] 赵靖舟,李军,徐泽阳.沉积盆地超压成因研究进展[J].石油学报,2017,38(9):973-998.ZHAO Jingzhou,LI Jun,XU Zeyang.Advances in the origin of overpressures in sedimentary basins[J].Acta Petrolei Sinica,2017,38(9):973-998.
-
[13] 刘金水,张国栋,刘云.西湖凹陷A洼陷异常高压封存箱成因机制与控藏作用[J].中国海上油气,2023,35(3):25-33.LIU Jinshui,ZHANG Guodong,LIU Yun.Origin mechanism of abnormal high-pressure compartment in A sub-sag of Xihu sag and its controlling effect on reservoir formation[J].China Offshore Oil and Gas,2023,35(3):25-33.
-
[14] 成大伟,袁选俊,周川闽,等.测井岩性识别方法及应用:以鄂尔多斯盆地中西部长7油层组为例[J].中国石油勘探,2016,21(5):117-126.CHENG Dawei,YUAN Xuanjun,ZHOU Chuanmin,et al.Logging-lithology identification methods and their application:a case study on Chang 7 Member in central-western Ordos Basin,NW China[J].China Petroleum Exploration,2016,21(5):117-126.
-
[15] 李超,张立宽,罗晓容,等.泥岩压实研究中有机质导致声波时差异常的定量校正方法[J].中国石油大学学报(自然科学版),2016,40(3):77-87.LI Chao,ZHANG Likuan,LUO Xiaorong,et al.A quantitative method for revising abnormally high sonic data in rich-organic rock during compaction study[J].Journal of China University of Petroleum(Edition of Natural Science),2016,40(3):77-87.
-
[16] 王鹏威,陈筱,刘忠宝,等.海相富有机质页岩储层压力预测方法—以涪陵页岩气田上奥陶统五峰组-下志留统龙马溪组页岩为例[J].石油与天然气地质,2022,43(2):467-476.WANG Pengwei,CHEN Xiao,LIU Zhongbao,et al.Reservoir pressure prediction for marine organic-rich shale:a case study of the Upper Ordovician Wufeng-Lower Silurian Longmaxi shale in Fuling shale gas field,NE Sichuan Basin[J].Oil & Gas Geology,2022,43(2):467-476.
-
[17] 徐泽阳,赵靖舟,李军.松辽盆地长垣地区白垩系青山口组一段有机质含量对超压分析的影响及校正方法[J].石油与天然气地质,2019,40(4):938-946.XU Zeyang,ZHAO Jingzhou,LI Jun.The impact of organic matter content on overpressure analysis and its correction method in the first member of Cretaceous Qingshankou Formation,Placanticline area,Songliao Basin[J].Oil & Gas Geology,2019,40(4):938-946.
-
[18] 路保平,王志战,张元春.碳酸盐岩孔隙压力预监测理论与方法进展[J].石油学报,2022,43(4):571-580.LU Baoping,WANG Zhizhan,ZHANG Yuanchun.Progress of theories and methods for prediction and detection of pore pressure in carbonate rock[J].Acta Petrolei Sinica,2022,43(4):571-580.
-
摘要
东海盆地西湖凹陷深部地层压力突变问题突出,由于其压力成因不明导致预测困难,严重制约着安全高效钻井作业。为了解释目标区块压力突变特殊现象,采用综合Bowers法(加载-卸载曲线法)和声波速度-密度交会图法,明确深部地层不同层位的成压机制以及岩性对压力突变的影响。进一步基于剔除高丰度有机质和纳米级有机孔隙影响的校正参数,考虑不同层位成压机制、岩性变化、岩石力学性质、岩石传导属性及岩石体积属性的多源因素影响,建立适用于深部压力突变地层的孔隙压力预测新模型。结果表明:西湖凹陷区深部地层不同层段的成压机制和岩性显著差异性是导致压力突变的主要成因,平湖组中部压力激增主要由烃源岩的生烃作用以及非烃源岩的压力传递导致,平湖组下部压力反转主要由非烃源岩的构造挤压导致;结合研究区4口井实测数据,验证新模型的预测误差带小于5.0%,平均误差仅为2.3%,表现出较好的适用性和较高的预测精度。
Abstract
The abrupt change of deep formation pressure is a prominent problem in Xihu Depression of East China Sea Basin, which makes it difficult to predict due to its unknown causes, and can seriously restricts the safe and efficient drilling operation. In order to explain this special phenomenon of the pressure abrupt change in the target block, a comprehensive Bowers method (loading-unloading curve method) and an acoustic velocity density crossplot method were used to identify the pressure forming mechanisms of different layers in deep formation and the influence of lithology on pressure abrupt change. Further, a new pore pressure prediction model for deep formation was established based on correction parameters that exclude the influence of high abundance organic matter and nano-scale organic pores, but considering the influence of multiple sources such as pressure forming mechanism, lithology change, rock mechanical properties, rock conduction properties and rock volume properties. The results show that the pressure abrupt change is mainly caused by the pressure forming mechanism and lithology of different deep strata in Xihu Depression. The pressure surge in the middle Pinghu Formation is mainly caused by hydrocarbon generation and pressure transfer of non-source rocks, and the pressure reversal in the lower Pinghu Formation is mainly caused by structural compression of non-source rocks. Combined with the measured data of four wells in the study area, it is verified that the prediction error of the new model is controlled within 5.0%, and the average error is only 2.3%, which shows good applicability and high prediction accuracy of the new model.