基于微地震连续裂缝网络模型的SRV研究.pdf

第 47 卷第 4 期物 探 与 化 探Vol.47,No.4 2023 年 8 月GEOPHYSICAL&GEOCHEMICAL EXPLORATION Aug.,2023doi:10.11720/wtyht.2023.1139李秋辰,陈冬,许文豪,等.基于微地震连续裂缝网络模型的 SRV 研究J.物探与化探,2023,47(4):1048-1055.http:/doi.org/10.11720/wtyht.2023.1139Li Q C,Chen D,Xu W H,et al.Determining stimulated reservoir volume based on the microseismic continuous fracture network modelJ.Geophysical and Geochemical Exploration,2023,47(4):1048-1055.http:/doi.org/10.11720/wtyht.2023.1139基于微地震连续裂缝网络模型的 SRV 研究李秋辰1,陈冬2,许文豪1,易善鑫2,谢兴隆1,关俊朋2,崔芳姿1(1.中国地质调查局 水文地质环境地质调查中心,河北 保定 071051;2.江苏省地质调查研究院,江苏 南京 210008)摘 要:在干热岩的开发和改造阶段,需要对储层进行水力压裂改造,储层改造体积(stimulated reservoir volume,SRV)是评价压裂效果的主要标准。微地震监测作为水力压裂的技术环节之一,可以对储层改造体积进行有效估算。本文探讨了基于微地震连续裂缝网络模型的 SRV 计算方法,以指导干热岩的水力压裂工作。首先,基于微震事件时空分布特征与多项震源参数进行连续裂缝网络建模;其次,提取裂缝网格长度,并选取适当的裂缝高度与裂缝宽度以计算储层改造体积;最后,选取某双井型干热岩微地震监测数据对该方法进行实际应用。实例应用结果表明,该方法可有效估算储层改造体积,为干热岩后续开发与改造提供依据。关键词:干热岩;微地震监测;连续裂缝网络;储层改造体积中图分类号:P631.4 文献标识码:A 文章编号:1000-8918(2023)04-1048-08收稿日期:2022-06-11;修回日期:2023-04-07基金项目:江苏省碳达峰碳中和科技创新专项资金(重大科技示范 BE2022859)第一作者:李秋辰(1988-),男,硕士学位,工程师。Email:874033010 通讯作者:许文豪(1993-),男,硕士学位,工程师。Email:941734230 0 引言随着人类生存发展观念的逐渐转变,绿色低碳已经成为中国的能源战略之一。在此时代背景下,干热岩的勘探开发日渐受到重视1。微地震监测技术可以对干热岩储层改造过程中引起的声发射事件进行识别解析2,从而提取岩石力学参数、进行储层应力分析3与刻画裂缝的空间展布信息并对其成像4-5,进而对储层改造体积(stimulated reser-voir volume,SRV)进行估算。鉴于上述特点,微地震监测已经成为干热岩开采过程中的关键配套技术6-7。干热岩的储层体积改造主要是通过泵入大量低黏度压裂液,形成由天然裂缝和水力裂缝组成的复杂网状裂缝结构8-9。SRV 的大小直接影响干热岩产能的高低10,因此前人对其进行了大量研究。2006 年,Mayerhofer 等11在研究页岩中的微地震事件与裂缝之间的关系时,首次提出了“油藏改造体积”的概念,2010 年验证了页岩气增产效果随着储层改造体积变大而愈发明显的观点7。Warpinskif等12提出一种利用箱状体体积来近似估计 SRV 的方法,Baidurja 等13对该方法进行改进,利用凹包体体积来计算储层改造体积。上述两种基于微震事件包裹体模型的 SRV 计算方法虽然方便快捷,但往往低估了地下裂缝的复杂性,人们逐渐偏向选择基于裂缝网络建模的方法对储层改造体积进行评估10,14。Dershowitz 等15首次引出离散水力裂缝网络(discrete fracture network,DFN)建模的观点,Xu等16-17在此基础上加入流体与裂缝及裂缝与裂缝之间的相互作用,从而对 SRV 进行估算。Meyer等18-19通过模拟地下裂缝的扩展情况和支撑剂在裂缝网络中的运移方式,利用 DFN 模型计算出储层改造体积。Alexandre 等20通过线状 DFN 建模,模拟出由射孔点向储层深处生长的裂缝网络。Seifol-lahi 等21基于微地震事件产生的裂缝面,给出了面状 DFN 模型的研究方法。上述几种 DFN 模型虽然考虑了裂缝的复杂性,4 期李秋辰等:基于微地震连续裂缝网络模型的 SRV 研究但裂缝参数往往是随机分布的,不符合裂缝的真实情况,且反演效率很低。本文在线状 DFN 模型的基础上,基于微震事件的时间空间分布特征进行裂缝网络模型重构,并在此基础上加入微震事件的震源机制解与地应力场分析结果进行约束,形成连续裂缝网络(continuous fracture network,CFN),对 SRV进行合理估算。最后将该方法运用到某干热岩双井微震监测中,取得良好的实际应用效果。1 算法流程1.1 CFN 模型建立流程在对微震事件进行基本处理(时间空间定位、矩震级计算、震源机制解及地应力反演)之后,可以获取事件的空间坐标、发震时刻、矩震级、震源机制解与局部地应力场等信息,对于所有给定的已经 包 含 上 述 信 息 的 微 震 事 件 点e x,y,z,t,m,s,d,r(),设置事件点集合 M。其中,x、y、z 为震源的空间坐标,t 为发震时刻,m 为矩震级,s、d、r 分别为事件破裂面的走向、倾角和滑移角。对 M 进行连续裂缝网络建模由以下步骤组成10:1)按 t 由小到大的顺序,对 M 中的事件点进行排列。2)定义连续裂缝网络 N 的种子点。当监测到射孔事件时,定义种子点为射孔事件点,否则定义发震时刻最早的事件点为种子点。3)定义微震事件点 e x,y,z,t,m,s,d,r()和连续裂缝网络 N 之间的连接准则 d(e,N):微震事件点以最短路径与网络进行连接,事件可以与事件进行连接,也可以与路径进行连接(图 1)。种子点的距离定义为 0。图 1“事件点网络”连接准则Fig.1“Event-network”connection principle 4)对连接准则 d(e,N)进行约束,具体包括:时间约束、震源机制约束、最长扩展距离约束与最大间距约束。其中,时间约束为在给定时间范围内进行路径连接;震源机制约束为使用震源机制反演的事件破裂面走向、倾角与滑移角对其约束;最长扩展距离约束为给定一个最长扩展距离,大于该距离后路径不再扩展;最大间距约束为给定一个最大间距(参考矩震级设定),大于该间距后事件不再进行路径连接。5)根据约束后的连接准则 d(e,N),确定事件点集 M 中的第 i 个微震事件点 ei至连续裂缝网络 N的连接点 c,生成 ei与 c 之间的路径 di。6)从事件点集 M 中移除 ei,将 ei与 di加入连续裂缝网络 N 后,在该时刻重定义 N。7)增量从 i 至 i+1,循环 3)6)步骤,直至事件点集 M 中没有事件点。至此,完成连续裂缝网络建模。1.2 目标函数设置目标函数一为10,22:f1w()=mi=1d2i,j,(1)j=acgmin d2ei,Fj(),(2)di,j=Axx+Ayy+Azz+M()A2x+A2y+A2z,e(Fj)iFj;+,其他。(3)式中:w 表示等待优化的裂缝变量;m 表示事件点的数量;i、j 表示第 i 个点和第 j 条裂缝;di,j表示微地震事件 ei到其对应的裂缝椭圆面 Fj的垂直投影距离;A 为 m 3 的矩阵;M 为事件点集。该目标函数主要通过所有事件点到裂缝面的最短距离之和,来约束裂缝的数量、中心位置、倾向与倾角,从而确定整个裂缝的空间位置。设置目标函数二为:f2w()=nj=1+ajbj1+mj,(4)式中:n 表示裂缝数量;aj、bj分别表示第 j 条裂缝的长短半轴;为正常数;mj表示与第 j 条裂缝相关联的微地震事件数量,该目标函数通过使建模过程中接受更小的裂缝面积和更多的相关联微地震事件点,来约束裂缝的数量、旋转角与裂缝椭圆面的长短半轴,从而确定裂缝的大小和方位。设置目标函数三为:f3w()=nj=1mji=1(j)i-j2,(5)9401物 探 与 化 探47 卷 式中:n 表示裂缝数量;mj表示与第 j 条裂缝相关联的微地震事件数量;(j)i表示第 j 条裂缝上的第 i 个事件点的倾向与倾角;j是第 j 条裂缝的倾向与倾角。该目标函数约束了裂缝上事件点与该条裂缝的产状信息的偏差,从而确保生成的裂缝的产状信息与该条裂缝上事件点对应的信息一致。最终目标函数为:f w()=1f1w()+2f2w()+3f3w(),(6)式中:1、2与 3分别表示相应子目标函数的权重因子。1.3 SRV 计算建立连续裂缝网络模型之后,可统计裂缝分支指数 与 裂 缝 网 络 长 度 等 参 数。裂 缝 分 支 指 数(branch index,BI)表示裂缝网络的复杂程度,将射孔点延伸出去的裂缝视为主缝,其分支指数为 1;直接从主缝分支出去的裂缝,其分支指数为 2;后续分支裂缝的分支指数依次增加 1。裂缝网络长度表示裂缝网络中所有裂缝的累积长度,即所有单条裂缝长度的加和。其算法流程见图 2。图 2 基于连续裂缝网络模型的 SRV 算法流程Fig.2 Flow chart of SRV algorithm based oncontinuous fracture network model 在本文计算 SRV 时,认为震源半径为裂缝高度,震源半径可由震源机制解获得;认为裂缝影响半径为裂缝宽度,裂缝影响半径根据岩石模拟实验获得。结合 CFN 的统计结果,在对计算空间网格化之后,可获得储层改造体积如下所示23:SRV=klkrkwk,(7)式中:l 为第 k 个网格的裂缝长度;r 为第 k 个网格的裂缝高度;w 为第 k 个网格的裂缝宽度;k 为裂缝的分布范围。2 实际应用分析2.1 事件定位本实例从某干热岩工区水力压裂过程的 4 621个双井微震监测事件当中,选取了矩震级 Mw-2且具有高信噪比的 4 180 个微震事件,采用本文所述方法对该事件集进行研究。首先结合工区地质资料与射孔校正速度模型(图 3),对事件集进行定位,并给出微震事件点的时间空间分布(图 4),图 4 中带色圆球表示微震事件的时空演化过程。空间分布显示:微震事件主要分布于水平 x 向-500350 m、水平 y 向-400500 m、地下 z 向-4 810-4 650 m 之间。事件形态为近椭圆形,主轴为近 NW 向,短轴为近 SE 向。定位结果的精度对连续裂缝网络建模的准确性有很大影响,该压裂段使用双井监测,相对于单井监测,定位目标函数更加收敛,且能有效解决多解性问题。选取某一微震事件,其定位目标函数等值线如图 5 所示,图 5a 与图 5b 分别表示单井定位与双井定位目标函数等值线。图 3 射孔校正速度模型Fig.3 Model of perforation correction velocity0501 4 期李秋辰等:基于微地震连续裂缝网络模型的 SRV 研究axy 向平面;bxz 向剖面axy plan;bxz section图 4 微震事件时间空间分布Fig.4 Spatio-temporal distribution of microseismic eventsa单井定位目标函数等值线;b双井定位目标函数等值线acontour map of positioning objective function of single well;bcontour map of positioning objective function of double well图 5 定位目标函数等值线Fig.5 Contour map of positioning objective function1501物 探 与 化 探47 卷 2.2 震源机制解、矩震级与地应力分析为获取事件的更多震源参数信息,对实例中的全部事件的震源机制、矩震级与地应力场进行反演(图 6)。反演结果显示:基于震源机制的裂缝方位为近 NW 向,裂缝倾角以高角度为主;垂向应力为该区段最大主应力,最大水平主应力为近 NW 向,最小水平主应力为近 SE 向;矩震级集中分布在 0 级以下。a震源机制解玫瑰图;b应力主轴置信区间图;c矩震级统计直方图afocal mechanism solution rose diagram;bconfidence of principal stress axis;cstatistical histogram of moment magnitude图 6 微震事件震源参数反演结果Fig.6 Inversion results of source parameters of microseismic events2.3 连续裂缝网络(CFN)建模在获取事件集的空间坐标、发震时刻、矩震级、震源机制解及地应力分析等信息后,采用本文所述方法,以射孔事件为种子点、最大扩展间距为 700 m、最长间距为 75 m,同时加以震源参数约束进行该压裂段的连续裂缝网络建模,最终给出连续裂缝网络模型的时间空间分布(图 7)。模型显示:裂缝水平方向上呈近椭圆形分布,长轴为近 NW 向,短轴为近 SE 向;垂直方向上集中分布在-4 800-4 650 m 之间;形成时间以射孔点为原点、呈均匀向远端扩散的规律。上述特征与事件时间空间特征、震源机制解与地应力分析的结果吻合。裂缝网络长度统计结果为 336.6103 m,裂缝分支指数为 5。2.4 储层改造体积(SRV)计算在该压裂段 CFN 模型的基础上,依据震源机制解中的震源半径参数,裂缝高度取值为 5 m;参考相关岩石模拟实验的经验结果,裂缝影响半径取值为3 m。利用式(1)对该压裂段的储层改造体积进行计算,并给出储层改造体积示意(图 8)。经计算,储层改造体积为 504.9104 m3,证明该压裂段水力压裂效果较好,可部署下一阶段工作。3 结论本文探讨了基于连续网络裂缝模型计算 SRV的方法:利用微震事件的时间空间参数进行线状DFN 模型重建,与此同时加入微震事件的多项震源参数进行约束,形成连续裂缝网络模型。参考模型统计结果设定裂缝网格长度,参考震源半径设定缝高,参考裂缝影响半径设定缝宽,对 SRV 进行合理估算,进而对后续井位的布设、水力压裂及储层改造的效果评价提供依据。利用本文所述方法对某双井型干热岩微震事件进行实例分析,结果表明:基于微震事件的时空分布,依据“事件点网络”的连接准则与事件属性参数建立的连续裂缝网络,不仅可以对水力裂缝网络进行解释,在本文中同时也是储层改造体积计算的基础。基于连续裂缝网络模型,根据震源半径与2501 4 期李秋辰等:基于微地震连续裂缝网络模型的 SRV 研究图 7 连续裂缝网络(CFN)模型Fig.7 Continuous fracture network(CFN)model图 8 储层改造体积(SRV)示意Fig.8 Sketch map of stimulated reservoir volume(SRV)3501物 探 与 化 探47 卷 岩石模拟实验结果设置储层改造体积建模的关键参数,进而计算出该压裂段的 SRV 值。结合裂缝指数,可以对该压裂段水力压裂效果进行评估,指导干热岩开发的下一步工作。参考文献(References):1 杨瑞召,赵争光,王占刚,等.页岩气开发微地震监测技术M.上海:华东理工大学出版社,2016.Yang R Z,Zhao Z G,Wang Z G,et al.Microseismic monitoring technology for rock and gas developmentM.Shanghai:East Chi-na University of Science and Technology Press,20162 侯金欣,谢凡,任雅琼,等.利用模板匹配技术检测米尺度岩石断层黏滑实验中的声发射事件J.地球物理学报,2020,63(4):1630-1641.Hou J X,Xie F,Ren Y Q,et al.Detection of acoustic emissions as-sociated with the stick-slips of a meter-scale fault in laboratory by using the matched filter techniqueJ.Chinese Journal of Geo-physics,2020,63(4):1630-1641.3 Warpinski N R,Mayerhofer M,Agarwalk,et al.Hydraulic fracture geomechanics and microseismic source mechanismsJ.SPE Jour-nal,2013,18(4):766-780.4 Vlcek J,Fischer T,Vilhelm J.Back projection stacking of P and S-waves to determine location and focal mechanism of microseismic events recorded by a surface arrayJ.Geophysical Prospecting,2016,64(6):1428-1440.5 Rutledge J T,Phillips W S.Hydraulic stimulation of natural frac-tures as revealed by induced microearthquakes,Carthage Cotton Valley gas field,east Texas hydraulic stimulation of natural frac-turesJ.Geophysics,2003,68(2):441-452.6 李大军,杨晓,王小兰,等.四川盆地 W 地区龙马溪组页岩气压裂效果评估和产能预测研究J.石油物探,2017,56(5):735-745.Li D J,Yang X,Wang X L,et al.Estimating the fracturing effect and production capacity of the Longmaxi formation of the Lower Si-lurian in area W,Sichuan BasinJ.Geophysical Prospecting for Petroleum,2017,56(5):735-745.7 Mayerhofer M J,Lolon E P,Warpinski N R,et al.What is stimula-ted reservoir volume?J.Spe Production&Operations,2010,25(1):89-98.8 柳占立,王涛,高岳,等.页岩水力压裂的关键力学问题J.固体力学学报,2016,61(1):34-49.Liu Z L,Wang T,Gao Y,et al.Key mechanics problems of hydrau-lic fracturing of shaleJ.Chinese Jourmnal of Solid Mechanics,2016,61(1):34-49.9 陈旭日,杨康,张公社.基于页岩储层的离散裂缝网络建模技术J.能源与环保,2017,39(10):172-175.Chen X R,Yang K,Zhang G S.Discrete fracture network modeling technology based on shale reservoirsJ.China Energy and Envi-ronmental Protection,2017,39(10):172-175.10 许德友.基于微地震 DFN 模型的 SRV 研究D.北京:中国石油大学,2019.Xu D Y.Research on SRV based on microseismic DFN modelD.Beijing:China University of Petroleum,2019.11 Mayerhofer M J,Lolon E P,Youngblood J E,et al.Integration of microseismic fracture mapping results with numerical fracture net-work production modeling in the Barnett ShaleC/San Antonio:Paper SPE 102103 presented at the SPE Annual Technical Confer-ence and Exhibition,2006.12 Warpinski N R,Mayerhofer M J,Vincent M C,et al.Stimulating conventional reservoirs maximizing network growth while optimizing fracture conductivityC/Keystone:Paper SPE 114173 presented at the SPE Unconventional Reservoirs Conference,2008.13 Baidurja R,Avi L,Jianfu M,et al.Unconventional micro-seismicity based enhanced 3D SRV estimator using advanced parameter-free concave methodologyC/SEG Technical Program Expand Ab-stracts,2014:2304-2308.14 赵争光,李磊,张洪亮.基于微地震事件属性的水力裂缝网络建模方法C/中国地球科学联合学术年会,2020:317-319.Zhao Z G,Li L,Zhang H L.Modeling method of hydraulic fracture network based on microseismic event attributesC/China Earth Science Joint Academic Annual Meeting,2020:317-319.15 Dershowitz W S,Fidelibus C.Derivation of equivalent pipe network analogues for three-dimensional discrete fracture networks by the boundary element methodJ.Water Resources Research,1999,35(9):2685-2691.16 Xu W X,Calvez J L,Thiercelin M.Characterization of hydraulical-ly-induced fracture network using treatment and microseismic data in a tight-gas sand formation:A geomechanical approachC/SanAntonio:Paper SPE 125237 Presented at the SPE Tight Gas Completions Conference,2009.17 Xu W Y,Thiercelin M,Ganguly U,et al.Wiremesh:A novel shale fracturing simulatorC/Bejjing:Paper 140514 presented at the CPS/SPE International Oil&Gas Conference and Exhibition,2010.18 Meyer B R,Bazan L W.A discrete fracture network model for hy-draulically induced fractures:Theory parametric and case studiesC/Woodlands:Paper 140514 Presented at the SPE Hydraulic Fracturing Technology Conference and Exhibition,2011.19 Meyer B R,Bazan L W,Jacot R H,et al.Optimization of multiple transverse hydraulic fractures in horizontal welboresC/Pitts-burgh:Paper 131732 Presented at the SPE Unconventional Gas Conference,2010.20 Alexandre H,Jean C D,Gringarten E,et al.Connecting the dots:microseismic derived connectivity for estimating volumes in low-permeability reservoirs C/San Antonio:Unconventional Re-sources Technology Conference,2015.21 Seifollahi S,Dowd P A,Xu C,et al.A spatial clustering approach for Stochastic fracture network modellingJ.Rock Mechanics and Rock Engineering,2014,47(4):1225-1235.22 余毓敏.基于震源机制解的 DFN 模型优化D.北京:中国石油大学,2020.Yu Y M.Optimization of DFN model based on focal mechanismD.Beijing:China University of Petroleum,2020.23 邵媛媛.基于水力压裂模拟及微地震监测信息的 SRV 研究D.成都:西南石油大学,2020.Shao Y Y.SRV research based on fracking simulation and micro-4501 4 期李秋辰等:基于微地震连续裂缝网络模型的 SRV 研究seismic monitoring informationD.Chengdu:Southwest Petroleum University,2020.Determining stimulated reservoir volume based on the microseismic continuous fracture network modelLI Qiu-Chen1,CHEN Dong2,XU Wen-Hao1,YI Shan-Xin2,XIE Xing-Long1,GUAN Jun-Peng2,CUI Fang-Zi1(1.Hydrogeological and Environmental Geological Survey,China Geological Survey,Baoding 071051,China;2.Nanjing Institute of Geology and Paleon-tology,Chinese Academy of Sciences,Nanjing 210008,China)Abstract:Hydraulic fracturing is required during the exploitation and stimulation of hot dry rock(HDR)reservoirs.The stimulated reservoir volume(SRV)is the main criterion for evaluating the hydraulic fracturing performance.As a technical link of hydraulic fractu-ring,Microseismic monitoring can be used to effectively estimate the SRV.This study explored the calculational method of SRV based on the microseismic continuous fracture network model with the purpose of guiding the hydraulic fracturing of HDRs.First,the continuous fracture network was modeled based on the temporal and spatial distribution and multiple source parameters of microseismic events.Sec-ond,the fracture grid length was extracted and the appropriate fracture height and width were selected to calculate the SRV.Last,the method proposed in this study was applied to the dual-well HDR microseismic monitoring data.The application results show that this method can effectively estimate the SRV,thus providing a basis for the subsequent exploitation and stimulation of HDRs.Key words:dry hot rock;microseismic monitoring;continuous fracture network;stimulated reservoir volume(本文编辑:叶佩)5501