油气勘探

页岩储集空间微观形态分类及三维结构重构——以渤海湾盆地沧东凹陷古近系孔店组二段为例

  • 范雨辰 , 1 ,
  • 刘可禹 , 1, 2 ,
  • 蒲秀刚 3 ,
  • 赵建华 1
展开
  • 1 中国石油大学(华东),山东青岛 266580
  • 2 海洋国家实验室海洋矿产资源评价与探测技术功能实验室,山东青岛 266071
  • 3 中国石油大港油田公司,天津 300280
刘可禹(1963-),男,山东青岛人,博士,中国石油大学(华东)地球科学与技术学院教授,主要从事沉积学及含油气系统分析研究。地址:山东省青岛市黄岛区长江西路66号,中国石油大学工科楼C座,邮政编码:266580。E-mail:

范雨辰(1995-),男,山东东营人,中国石油大学(华东)地球科学与技术学院在读博士研究生,主要从事非常规油气储集层表征研究。地址:山东省青岛市黄岛区长江西路66号,中国石油大学工科楼C座,邮政编码:266580。E-mail:

Copy editor: 谷江锐

收稿日期: 2022-06-21

  修回日期: 2022-07-29

  网络出版日期: 2019-01-01

基金资助

国家自然科学基金创新研究群体项目(41821002)

海洋试点国家实验室十四五重大项目“海洋深水深层油气高效探测与智能评价”(2021QNLM020001)

大港油田项目“沧东凹陷孔二段页岩含油性与储集性能定量表征”(DQYT-2019-JS-365)

Morphological classification and three-dimensional pore structure reconstruction of shale oil reservoirs: A case from the second member of Kongdian Formation in the Cangdong Sag, Bohai Bay Basin, East China

  • FAN Yuchen , 1 ,
  • LIU Keyu , 1, 2 ,
  • PU Xiugang 3 ,
  • ZHAO Jianhua 1
Expand
  • 1 China University of Petroleum (East China), Qingdao 266580, China
  • 2 Laboratory for Marine Mineral Resources, Qingdao National Laboratory for Marine Science and Technology, Qingdao 266071, China
  • 3 PetroChina Dagang Oilfield Company, Tianjin 300280, China

Received date: 2022-06-21

  Revised date: 2022-07-29

  Online published: 2019-01-01

摘要

基于大体积聚焦离子束扫描电镜(FIB-SEM)三维重构技术,结合传统的扫描电镜(SEM)观察、自动矿物识别和表征系统(AMICS)扫描和SEM图像大面积拼接,对渤海湾盆地沧东凹陷古近系孔店组二段(简称孔二段)页岩储集空间的微观展布样式及三维结构进行表征分类。研究表明:①孔二段可划分出长英质粒间微米孔型、长英质粒间缝隙型、长英质粒间孔隙型、混合质粒间孔缝型、混合质粒间孔隙型、含黏土白云质粒间孔隙型和无黏土白云质粒间孔隙型共7种储集空间类型。②4类粒间孔隙型中,白云质页岩的储集性能最好,混合质页岩次之,长英质页岩最差。③长英质粒间缝隙型储集空间具有最好的储集性能和逾渗结构,是需要重点关注的储集空间类型。④大体积FIB-SEM三维重构在兼顾高分辨率的同时具有较大的表征尺度,是表征强非均质性陆相页岩储集空间三维结构的有效方法。

本文引用格式

范雨辰 , 刘可禹 , 蒲秀刚 , 赵建华 . 页岩储集空间微观形态分类及三维结构重构——以渤海湾盆地沧东凹陷古近系孔店组二段为例[J]. 石油勘探与开发, 2022 , 49(5) : 943 -954 . DOI: 10.11698/PED.20220280

Abstract

This study combines three-dimensional reconstruction of large volume focused ion beam scanning electron microscopy (FIB-SEM) with conventional SEM observation, automatic mineral identification and characterization system (AMICS) and large-area splicing of SEM images to characterize and classify the microscopic storage space distribution patterns and 3D pore structures of shales in the second member of the Paleogene Kongdian Formation (Kong 2) in the Cangdong Sag of the Bohai Bay Basin. It is shown that: (1) The Kong 2 Member can be divided into seven types according to the distribution patterns of reservoir spaces: felsic shale with micron intergranular pores, felsic shale with intergranular fissures, felsic shale with intergranular pores, hybrid shale with intergranular pores and fissures, hybrid shale with intergranular pores, clay-bearing dolomitic shale with intergranular pores, and clay-free dolomitic shale with intergranular pores. (2) The reservoir of the intergranular fracture type has better storage capacity than that of intergranular pore type. For reservoirs with storage space of intergranular pore type, the dolomitic shale reservoir has the best storage capacity, the hybrid shale comes second, and the felsic shale is the dead last. (3) The felsic shale with intergranular fracture has the best storage capacity and percolation structure, making it the first target in shale oil exploration. (4) The large volume FIB-SEM 3D reconstruction method is able to characterize a large shale volume while maintaining relatively high spatial resolution, and has been demonstrated an effective method in characterizing the 3D storage space in strongly heterogeneous continental shales.

0 引言

渤海湾盆地沧东凹陷古近系孔店组二段(简称孔二段)是重要的页岩油勘探开发层段,混合沉积、岩性复杂、非均质性强等特征导致该套地层储集空间类型复杂多样[1-3]。明确孔二段不同岩相类型储集空间展布样式、孔隙体积分布、储集性能、三维结构等,有利于识别优质储集层,降低勘探开发风险。
前人对沧东凹陷孔二段页岩储集层的孔隙类型、孔径分布、孔隙三维展布、页岩油可动性等方面开展了相关研究。扫描电镜观察表明孔二段页岩主要发育粒(晶)间孔、粒(晶)间缝、溶蚀孔和层理缝等类型的储集空间[4-7]。高压压汞实验显示孔二段页岩孔喉直径主要小于20 nm[8-9],氮气等温吸附实验表明提供主要体积的孔隙直径小于100 nm[8-10]。纳米X射线CT成像显示块状灰云质页岩、块状混合质页岩的孔隙三维结构及连通性较好,纹层状长英质页岩中等,纹层状混合质页岩和纹层状灰云质页岩较差[1]。离心-核磁共振实验揭示纹层状长英质页岩的可动流体饱和度最高,其次为混合质页岩,灰云质页岩最低[2]
然而前人对孔二段页岩储集空间的表征仍存在3方面的问题:①虽然借助扫描电镜指出了孔二段页岩发育的孔隙类型[4-7],但是未对储集空间的整体展布样式(孔隙空间整体结构样式、与矿物组成的配置关系)进行综合性的描述与分类,未能明确不同岩相类型与储集空间类型的对应关系。②扫描电镜下观察到孔二段页岩主要发育直径为几百纳米到几微米的孔隙[1,6],但高压压汞法和低压氮气吸附法表征显示储集空间主要由直径小于100 nm的孔隙提供[8-10],受方法原理影响上述实验测量结果与扫描电镜观察到的孔径特征不符[11-18]。③目前对孔二段页岩储集空间的三维表征主要采用纳米X射线CT技术,但实际应用效果表明该技术的分辨率有限,不能清楚表征孔二段页岩储集空间三维结构。另外,该技术是在岩心尺度下钻柱取样,不能保证精确定位到微纳米尺度的成像靶区,最终导致表征结果不一定能与拟研究的岩相类型相匹配。
针对以上问题,本文利用扫描电镜观察和自动矿物识别和表征系统(AMICS)扫描,对孔二段页岩中发育的储集空间展布样式进行系统的描述,划分出7种主要的储集空间类型。基于扫描电镜(SEM)大面积拼接图像计算孔隙体积贡献情况,解决低压氮气吸附实验和高压压汞实验不能有效反映真实孔隙体积分布特征的问题。使用大体积聚焦离子束扫描电流(FIB- SEM)技术进行三维成像,以克服纳米X射线CT技术在表征孔二段页岩储集空间三维结构时的不足。

1 样品与方法

使用场发射扫描电镜仔细观察了40余块孔二段页岩样品,认为其储集空间可分为7种类型。本文讨论的储集空间包括孔隙和含油(沥青)孔隙,其命名原则为“岩性+成因+形态”。选择7块典型样品进行系统深入的定性、定量表征,并选择其中4块最具特色的样品开展大体积FIB-SEM三维重构。选择样品的矿物组成信息如表1所示,研究样品主要包括钠长石和石英等长英质矿物、白云石和方解石等碳酸盐矿物以及伊利石和绿泥石等黏土矿物。长英质矿物含量为6.45%~84.08%,平均值为47.09%。碳酸盐矿物含量为9.37%~88.96%,平均值为33.29%。黏土矿物含量多小于30%,为3.33%~30.49%,平均值为18.12%。以长英质矿物、碳酸盐矿物和黏土矿物作为三端元矿物,根据三端元矿物含量是否大于50%的标准划分岩相,则本文研究样品包括长英质页岩3类、混合质页岩2类和白云质页岩2类,涵盖了孔二段页岩发育的主要储集空间类型。研究样品的镜质体反射率Ro值总体为0.7%~1.0%,有机质处于生油阶段。样品中的有机质主要为油或沥青。
表1 渤海湾盆地沧东凹陷孔二段样品矿物组成及储集空间类型
样品
编号
井名 深度/
m
矿物组成/% 岩相名称 储集空间
类型
储集空间类型名称
钠长石 钾长石 石英 白云石 方解石 伊利石 绿泥石 其他
G-1 GXX4 4 137.78 67.07 8.42 8.59 7.32 3.19 1.89 1.44 2.08 长英质页岩 长英质粒间微米孔型
G-2 GXX4 4 105.68 52.44 14.72 8.76 4.33 5.04 9.16 2.06 3.49 长英质页岩 长英质粒间缝隙型
G-3 GXX8 3 044.03 33.47 15.09 8.19 16.43 0.58 1.20 23.40 1.64 长英质页岩 长英质粒间孔隙型
G-4 GXX8 3 269.62 37.54 1.64 8.60 17.05 3.87 29.27 1.22 0.81 混合质页岩 混合质粒间孔缝型
G-5 GXX4 4 087.15 13.64 21.84 3.75 31.22 1.56 2.56 24.33 1.10 混合质页岩 混合质粒间孔隙型
G-6 GXX8 3 118.75 10.20 7.87 1.37 51.48 2.01 0.53 26.22 0.32 白云质页岩 含黏土白云质粒间孔隙型
G-7 GXX8 2 985.17 2.56 1.55 2.34 85.40 3.56 1.23 2.33 1.03 白云质页岩 无黏土白云质粒间孔隙型
扫描电镜观察、SEM图像大面积拼接和AMICS 矿物扫描识别是已经相对成熟的技术方法[19-22],这里不做赘述。本文具体介绍大体积FIB-SEM方法,其基本流程和制作常用的10 μm×10 μm×10 μm大小的三维重构模型相同[23-26]。①使用Zeiss Crossbeam 550聚焦离子束扫描电镜对75 μm×65 μm×65 μm大小的区域进行三维重构。②将样品台旋转54°并完成电子束、离子束对焦,采用30 kV、65 nA束流值的镓离子束挖梯形槽,采用30 kV、30 nA束流值的镓离子束挖耳槽。③用较小束流值的离子束对样品截面进行粗抛光和精抛光。④采用30 kV、7 nA的离子束以30 nm的厚度进行2 000次连续切片,采用1 kV、500 pA的电子束进行成像,分辨率为30 nm。挖梯形槽、耳槽、粗细抛光等前期准备过程耗时19 h左右,对选择区域连续切片2 000次并成像耗时45 h左右。

2 储集空间类型及特征

根据扫描电镜观察和AMICS扫描结果,本文识别出7种储集空间类型,其中长英质储集空间3类,分别为长英质粒间微米孔型、长英质粒间缝隙型和长英质粒间孔隙型。混合质储集空间2类,分别为混合质粒间孔缝型和混合质粒间孔隙型。白云质储集空间2类,分别为含黏土白云质粒间孔隙型和无黏土白云质粒间孔隙型。

2.1 长英质粒间微米孔型

长英质粒间微米孔型储集空间主要发育粒间孔。孔隙呈不规则多角状,边界平直清晰,棱角分明,平均值为1~5 μm(见图1a)。粒间孔隙中的部分沥青已经散失,表现为“一边厚,一边薄”或“一边有,一边无”的形态(见图1b)。该类储集空间的1个重要特征是粒间孔隙中几乎没有黏土矿物,因此沥青看起来非常纯净。如AMICS扫描所示,长英质矿物占据绝大部分面积,碳酸盐矿物颗粒较少,而黏土矿物几乎没有(见图1c)。
图1 沧东凹陷孔二段页岩长英质粒间微米孔型储集空间及其结构特征(样品G-1,GXX4井,4 137.78 m,孔二段)

(a)储集空间展布样式;(b)储集空间局部放大特征;(c)AMICS扫描识别的岩石组分二维展布;(d)由AMICS扫描结果统计的孔隙类型占比;(e)由SEM大面积拼接图像计算的不同直径孔隙的数量分布;(f)由SEM大面积拼接图像计算的不同直径孔隙对储集空间总孔隙体积贡献度统计图

基于AMICS扫描结果对孔隙与其周围分布矿物的接触面积进行统计,可以从孔隙-矿物连生关系的角度对孔隙类型占比进行定量。该类型储集空间中钠长石粒间孔最多,占总孔隙的45.97%,是最主要的孔隙类型。其次为白云石晶间孔,占总孔隙的18.64%。钾长石、石英、伊利石、方解石粒(晶)间孔占比分别为12.82%,7.54%,7.54%和7.49%(见图1d)。基于SEM大面积拼接图像计算面孔率、孔隙等效直径分布和孔隙体积贡献分布,其优势在于能够对含油/沥青储集空间进行表征。将孔隙和沥青一起进行图像分割后,计算得到面孔率为10.06%,储集性能较好。孔隙等效直径分布统计显示直径小于5 μm的孔隙在数量上占据绝对优势,随孔隙直径增大孔隙发育数量逐渐减少(见图1e)。孔隙体积分布计算结果表明主要的储集空间是等效直径为0.2~30.0 μm的孔隙,其中等效直径为1~15 μm的孔隙对储集空间的贡献最大(见图1f)。在等效直径30~60 μm也出现了1个峰,其对应较大的原始沉积有机质团块,而非孔隙或沥青(见图1f)。

2.2 长英质粒间缝隙型

该类储集空间主要为粒间缝,且通常被沥青充满。粒间缝的延展性好,彼此交织相连,形成广泛分布的粒间缝网络(见图2a)。粒间缝中明显可见少量黏土矿物(见图2b)。缝隙状的储集空间和其中稀疏分布的黏土矿物是该类储集空间的主要识别标志。沥青通常保存较好,仅有少量散失,形成尺寸较小的圆形或近圆形孔隙(见图2a、图2b)。AMICS扫描图(见图2c)中可见分布在骨架矿物颗粒之间的黏土矿物(绿色区域)。
图2 沧东凹陷孔二段页岩长英质粒间缝隙型储集空间及其结构特征(样品G-2,GXX4井,4 105.68 m,孔二段)

(a)储集空间整体展布样式;(b)储集空间局部放大特征;(c)AMICS矿物扫描识别的岩石组分二维展布;(d)由AMICS扫描结果统计的孔隙类型占比;(e)由SEM大面积拼接图像计算的不同直径孔隙的数量分布;(f)由SEM大面积拼接图像计算的不同直径孔隙对储集空间总孔体积贡献情况

伊利石和绿泥石粒间孔缝分别占所有孔缝的39.87%和29.77%(见图2d),是主要的储集空间类型。钠长石、钾长石粒间孔占比分别为19.96%和8.53%,方解石和石英粒(晶)间孔非常少,仅占0.97%和0.90%。该类型储集空间的面孔率为12.90%,是所有类型中储集性能最好的。由于储集空间主要是缝隙状,因此本文采用最大弗雷特直径(分析对象在1组选定方向上的最远两个点的平行切线的距离)来描述缝隙状孔隙最大延伸方向上平行切线间距离,以表征缝隙的最大延伸长度。统计结果显示,弗雷特直径小于2.5 μm的粒间缝数量最多,随着直径增大粒间缝发育数量逐渐减少(见图2e)。储集空间体积分布曲线显示储集空间由弗雷特直径为0.1~80.0 μm的粒间缝提供,其中直径为1~80 μm的粒间缝对储集空间的贡献最大(见图2f)。

2.3 长英质粒间孔隙型

图3a和图3b所示,该类型储集空间中主要由黏土矿物粒间孔、黏土矿物和脆性矿物之间的孔隙组成。相比于Ⅱ类储集空间,此类型储集空间中充填的黏土矿物更多。另外,粒间孔中还充填了许多以菱形白云石为主的碳酸盐矿物。矿物含量的变化影响储集空间展布样式。由于充填物含量的增加,相比于Ⅰ类储集空间此类型储集空间中粒间孔明显减小,孔隙直径主要为几十纳米到几百纳米,并且不会像Ⅱ类储集空间一样广泛发育粒间缝。
图3 沧东凹陷孔二段页岩长英质粒间孔隙型储集空间及其结构特征(样品G-3,GXX8井,3 044.03 m,孔二段)

(a)储集空间整体展布样式;(b)储集空间局部放大特征;(c)AMICS矿物扫描识别的岩石组分二维展布;(d)由AMICS扫描结果统计的孔隙类型占比;(e)由SEM大面积拼接图像计算的不同直径孔隙的数量分布;(f)由SEM大面积拼接图像计算的不同直径孔隙对储集空间总孔体积贡献情况

碳酸盐矿物和黏土矿物含量相对增加,表现为其在AMICS扫描图中分布面积占比增加,而长英质矿物占比明显减少(见图3c)。钠长石粒间孔占总孔隙的46.29%,其中部分是钠长石和黏土矿物之间的孔隙。绿泥石粒间孔占35.73%,钾长石粒间孔占9.88%,其他类型孔隙含量较低(见图3d)。这与扫描电镜中观察到的黏土矿物粒间孔、黏土矿物和骨架矿物之间的孔隙是主要孔隙类型的情况相符。此类型储集空间的面孔率为2.95%,储集性能较差。结合扫描电镜观察,认为粒间孔隙中的充填物太多而大大缩减了储集空间。孔隙等效直径为0.01~8.00 μm,其中以小于0.2 μm的孔隙为主,等效直径为0.04~200.00 μm的孔隙对总孔隙体积贡献最大,等效直径为0.2~8.0 μm的孔隙也提供了部分孔隙体积(见图3e、图3f)。

2.4 混合质粒间孔缝型

该类型储集空间主要由黏土矿物粒间孔缝、黏土矿物与骨架矿物之间孔缝、骨架矿物粒间孔缝组成。以缝隙状储集空间为主,孔隙状储集空间相对发育(见图4a、图4b)。储集空间中黏土矿物含量较高且不像Ⅱ类和Ⅲ类储集空间一样分布在为骨架矿物粒间孔缝中,而是以较好的延展性横跨于数个骨架矿物颗粒,导致部分骨架矿物互不接触(见图4a、图4b)。此类型与Ⅱ类储集空间的黏土矿物分布明显不同:Ⅱ类黏土矿物分布稀疏,而在此类型储集空间中的黏土矿物含量显著增多且分布致密(见图4a、图4b)。白云石等碳酸盐矿物颗粒不再和黏土矿物混在一起充填在骨架矿物颗粒之间(见图3a、图3b),而是以较大的颗粒和钠长石、石英等颗粒一起作为骨架矿物(见图4c)。
图4 沧东凹陷孔二段页岩混合质粒间孔缝型储集空间及其结构特征(样品G-4,GXX8井,3 269.62 m,孔二段)

(a)储集空间整体展布样式;(b)储集空间局部放大特征;(c)AMICS矿物扫描识别的岩石组分二维展布;(d)由AMICS扫描结果统计的孔隙类型占比;(e)由SEM大面积拼接图像计算的不同直径孔隙的数量分布;(f)由SEM大面积拼接图像计算的不同直径孔隙对储集空间总孔体积贡献情况

该类型储集空间中伊利石粒间孔隙占总孔隙的44.31%,其次为钠长石粒间孔占比32.93%,白云石晶间孔占比16.76%,其他孔隙类型占比较小(见图4d)。由于该类型储集空间中发育大量粒间缝,对该类型储集空间进行定量分析时采用弗雷特直径。弗雷特直径小于2 μm的孔缝数量最多,2~45 μm的孔缝数量逐渐降低(见图4e)。值得注意的是,该类型储集空间中黏土矿物含量很高,为30.49%,理论上储集性能应该较低,但实际上其面孔率反而相对较高,为9.31%。分析认为这可能与黏土矿物的展布样式有关,黏土矿物延展横穿于脆性矿物之间,增加了粒间缝发育的概率(见图4b),从而增加了储集空间。储集空间主要由弗雷特直径为0.02~50.00 μm的孔缝提供,其中0.07~30.00 μm的孔缝贡献最大(见图4f)。几十纳米的粒间孔隙到几十微米的粒间缝隙对储集空间的贡献均较大,不像Ⅰ类和Ⅲ类储集空间那样孔隙体积贡献较为集中(见图1f、图3f)。

2.5 混合质粒间孔隙型

该类型储集空间主要由近圆形的绿泥石粒间孔组成,数量多密度大,孔隙中可见沥青充填(见图5a、图5b)。白云石和钾长石等脆性矿物颗粒之间分布着大量的绿泥石(见图5b虚线内、见图5c),导致几乎不发育白云石和长石等脆性矿物粒间孔隙。
图5 沧东凹陷孔二段页岩混合质粒间孔隙型储集空间及其结构特征(样品G-5,GXX4井,4 087.15 m,孔二段)

(a)储集空间整体展布样式;(b)储集空间局部放大特征;(c)AMICS矿物扫描识别的岩石组分二维展布;(d)由AMICS扫描结果统计的孔隙类型占比;(e)由SEM大面积拼接图像计算的不同直径孔隙的数量分布;(f)由SEM大面积拼接图像计算的不同直径孔隙对储集空间总孔体积贡献情况

孔隙类型分析显示主要的孔隙类型为绿泥石粒间孔,占总孔隙的46.66%(见图5d)。其次为钾长石、白云石、钠长石粒(晶)间孔,分别占总孔隙的28.72%,15.09%和8.25%。
该类型储集空间的面孔率为4.55%,储集性能中等。孔隙等效直径分布显示以小于100 nm的孔隙为主,随着孔径的增大孔隙数量逐渐递减(见图5e)。孔隙体积贡献分布曲线显示储集空间主要由等效直径为40~700 nm的孔隙提供,其中100~400 nm的孔隙对总孔体积的贡献最大(见图5f),这部分孔隙即是在SEM图像中观察到的近圆形绿泥石粒间孔隙。

2.6 含黏土白云质粒间孔隙型

该类储集空间主要由白云石晶间孔组成,通常呈三角形,另外还发育部分绿泥石粒间孔以及绿泥石和白云石之间的孔隙,孔隙中可见沥青(见图6a、见图6b)。从AMICS扫描图可以看出长石含量大大降低,白云石为主要的矿物类型(见图6c)。
图6 沧东凹陷孔二段页岩含黏土白云质粒间孔隙型储集空间及其结构特征(样品G-6,GXX8井,3 118.75 m,孔店组)

(a)储集空间整体展布样式;(b)储集空间局部放大特征;(c)AMICS矿物扫描识别的岩石组分二维展布;(d)由AMICS扫描结果统计的孔隙类型占比;(e)由SEM大面积拼接图像计算的不同直径孔隙的数量分布;(f)由SEM大面积拼接图像计算的不同直径孔隙对储集空间总孔体积贡献情况

白云石晶间孔占总孔隙的51.36%,绿泥石晶间孔占比31.83%,钾长石和钠长石粒间孔分别占比10.26%和5.72%,与石英有关的孔隙较少(见图6d)。
面孔率为6.32%,储集性能较好。孔隙等效直径分布显示小于200 nm的孔隙数量最多,大于200 nm的孔隙数量逐渐减少(见图6e)。孔隙体积分布曲线显示储集空间由等效直径为8~2 000 nm的孔隙提供,其中等效直径在80~700 nm的孔隙贡献最大(见图6f)。

2.7 无黏土白云质粒间孔隙型

该类型储集空间主要由白云石晶间孔提供,孔隙形态呈三角形,几乎不见黏土矿物(见图7a、图7b)。
图7 沧东凹陷孔二段页岩无黏土白云质粒间孔隙型储集空间及其结构特征(样品G-7,GXX8井,2 985.17 m,孔二段)

(a)储集空间整体展布样式;(b)储集空间局部放大特征;(c)AMICS矿物扫描识别的岩石组分二维展布;(d)由AMICS扫描结果统计的孔隙类型占比;(e)由SEM大面积拼接图像计算的不同直径孔隙的数量分布;(f)由SEM大面积拼接图像计算的不同直径孔隙对储集空间总孔体积贡献情况

基于矿物-孔隙连生关系的孔隙分类定量分析显示白云石晶间孔占总孔隙的97.81%。面孔率为7.90%,储集性能较好。等效直径小于200 nm的孔隙数量最多,且随等效直径增大孔隙数量逐渐递减。储集空间由等效直径为7~2 000 nm的孔隙提供,其中50~600 nm的孔隙贡献最大(见图7c—图7f)。

3 大体积FIB-SEM三维重构

根据岩相和储集空间形态从上述7类储集空间中选取最具代表性的4类开展大体积FIB-SEM三维重构。其中,长英质粒间微米孔型具有独特的微米级孔隙,长英质粒间缝隙型是唯一主要由粒间缝构成的储集空间,混合质粒间孔隙型发育特殊的圆形孔隙,含黏土白云质粒间孔隙型具有最典型的不规则孔隙型网络。

3.1 长英质粒间微米孔型

经过对齐剪裁、去窗帘效应等图像处理过程后获得了73.5 μm×52.5 μm×38.1 μm的长英质粒间微米孔型样品的FIB-SEM三维模型(见图8a)。将模型中的孔隙和沥青部分提取出来得到储集空间的三维模型(见图8b)。孔隙网络整体连通性较好,对孔隙网络三维模型进行局部放大发现该类型储集空间的孔隙呈不规则粒状,主要是一些粒间孔(见图8b、图8c)。喉道则主要呈管柱状,管柱的直径、长度各异(见图8d)。因此,此类储集空间的孔隙网络是由一系列“管柱状”喉道将“不规则粒状”孔隙连接而成。
图8 长英质粒间微米孔型储集空间三维结构特征

(a)大体积FIB-SEM三维重构模型,分辨率30 nm;(b)储集空间三维模型,不同颜色代表不同的孔隙团簇,孔隙团簇之间相互不连通;(c)组成孔隙网络的单个孔隙,不规则粒状;(d)虚线框选处为喉道,呈管柱状;(e)由储集空间三维模型计算的孔隙体积贡献分布;(f)由储集空间三维模型计算的不同直径喉道数量分布

根据灰度值提取孔隙计算的模型孔隙度为9.32%,该孔隙度数值包括孔隙和沥青赋存的空间。主要的孔隙体积由等效直径为1~4 μm的孔隙提供(见图8e)。相比于二维图像,三维模型具有计算喉道直径和孔隙配位数的优势。管柱状喉道的直径为7.25~2 740.00 nm,主要集中在7.25~400.00 nm(见图8f)。喉道直径较大,有利于页岩油运移。孔隙配位数为1~20,平均3.18,表明孔隙之间的连通通道较多,连通性较好。最大连通孔隙团簇的孔隙体积分数为4.41%(见图8b中红色孔隙团簇),占整个孔隙空间的百分比为47.31%,说明孔隙的连通规模较大。

3.2 长英质粒间缝隙型

长英质粒间缝隙型样品的FIB-SEM三维模型尺寸为59.67 μm×53.26 μm×28.72 μm,骨架矿物的粒间缝中全部被沥青充满,骨架矿物呈点接触或不接触(见图9a)。将沥青提取出来即是储集空间三维模型,模型显示粒间缝相互连通成1个非常大的逾渗网络,仅有少量尺寸较小的孔隙是孤立的(见图9b),非常有利于页岩油的渗流。为了更清晰地剖析储集空间的结构形态,将孔隙网络模型局部放大,显示孔隙网络中存在许多颗粒状凹槽,即矿物颗粒的分布位置(见图9c)。这表明沥青将矿物颗粒完全包裹起来,矿物颗粒相互不接触(见图9d)。粒间缝网络的抽象模型如图9e所示。
图9 长英质粒间缝隙型储集空间三维结构特征

(a)大体积FIB-SEM三维重构模型,分辨率30 nm;(b)储集空间三维模型,粒间孔缝相互连接成大面积孔缝网络;(c)粒间缝网络局部放大,矿物颗粒(凹槽)被粒间缝完全包裹;(d)粒间缝网络局部放大,矿物颗粒之间的粒间缝;(e)粒间缝网络抽象示意图;(f)由储集空间三维模型计算的不同宽度粒间缝的数量分布

由于该类型储集空间不具有孔喉结构,因此无法计算其孔隙体积分布、喉道直径分布和配位数。模型孔隙度为11.92%,储集性能好。最大连通孔隙团簇的体积分数为11.46%,占总孔隙体积的96.14%,连通规模大。储集空间主要由粒间缝相互交织连通组成,粒间缝是十分重要的逾渗通道,其宽度主要为0.6~1.2 μm(见图9f)。此类型储集空间的储集性能好、连通性好、逾渗通道宽,是非常优质的储集空间。

3.3 混合质粒间孔隙型

混合质粒间孔隙型样品的FIB-SEM三维模型尺寸为59.94 μm×39.27 μm×30.03 μm,储集空间以近圆形绿泥石粒间孔为主(见图10a)。该类型储集空间中的孔隙团簇通常由几个或十几个近圆形孔隙连接而成(见图10b)。虽然孔隙连接形成的团簇距离很近,但并没有大面积连通形成图8b或图9b所示的大规模孔隙网络。孔隙团簇三维结构为“串状堆积”(见图10c),又或者类似“簇状堆积”(见图10d)。
图10 混合质粒间孔隙型储集空间三维结构特征

(a)大体积FIB-SEM三维重构模型,分辨率30 nm;(b)储集空间三维模型,孔隙局部团簇式聚集;(c)孔隙团簇形态,串珠状;(d)孔隙团簇形态,簇状;(e)由储集空间三维模型计算的孔隙体积贡献分布;(f)由储集空间三维模型计算的不同直径喉道数量和分布

模型孔隙度为5.59%,孔隙体积分布曲线显示主要的孔隙体积由等效直径为800~3000 nm的孔隙提供(见图10e)。近圆形孔隙连接处喉道的等效直径主要为25~150 nm(见图10f)。孔隙的配位数最小为1,最大为6,平均1.66。配位数较低,孔隙的连通通道较少,符合图10b所示的孔隙通常只与1~2个孔隙堆积相连的情况。最大连通孔隙团簇的体积分数为0.15%,占总孔隙体积的1.31%,表明孔隙的连通规模较小。

3.4 含黏土白云质粒间孔隙型

含黏土白云质粒间孔隙型样品的FIB-SEM三维模型尺寸为75.53 μm×37.68 μm×42.24 μm,储集空间以白云石晶间孔和白云石与绿泥石之间的孔隙为主(见图11a)。孔隙连通性较好,孔隙彼此相连形成大规模的孔隙网络(见图11b)。局部放大观察可见白云石晶间孔为大小不等的“三棱锥状”,喉道呈“弯片状”,具有不同的长度、厚度、宽度以及曲率。由此可见,孔隙网络是由“弯片状”喉道将“三棱锥状”的孔隙连接而形成的(见图11c、图11d)。
图11 含黏土白云质粒间孔隙型储集空间三维结构特征

(a)大体积FIB-SEM三维重构模型,分辨率30 nm;(b)储集空间三维模型,孔隙相互连接形成大面积分布的孔隙网络;(c)孔隙形态展示,三棱锥状;(d)喉道形态展示,弯片状;(e)储集空间三维模型计算的孔隙体积分布;(f)储集空间三维模型计算的喉道直径分布

模型孔隙度为10.17%,主要的孔隙体积由等效直径为600~3 000 nm的孔隙提供(见图11e)。弯片状喉道的等效直径主要为50~200 nm(见图11f)。孔隙配位数最小为1,最大为12,平均值为2.48,孔隙之间的连通通道较多。孔隙网络模型中最大连通孔隙团簇的体积分数为7.18%,占总孔隙体积的70.59%,孔隙的连通规模较大。

4 储集空间特征对比

将本文提出的7种储集空间类型的三端元矿物含量进行对比分析(见图12),从左至右依次为Ⅰ—Ⅶ型储集空间,对应前文的7种储集空间类型。这7种类型的三端元矿物含量呈现出良好的变化规律:从Ⅰ型到Ⅶ型储集空间碳酸盐矿物含量逐渐增加,长英质矿物含量逐渐降低,黏土矿物含量先增加后降低。在7种类型储集空间中,长英质矿物和碳酸盐矿物含量最大时超过80%,最低时接近6%;黏土矿物含量最高达到30.49%,最低接近3%。7种类型储集空间的三端元矿物相对比例包含了几乎所有典型的比例分布,说明本文提出的7种类型储集空间对应了孔二段页岩所有的岩相类型,系统涵盖了长英质页岩、混合质页岩、白云质页岩中的主要储集空间。7种储集空间对应的样品总体发育在前三角洲—湖盆中心位置。干旱时,陆源输入量减小,水体深度减小,盐度增大,白云石发育,形成白云质页岩(Ⅵ、Ⅶ型储集空间)。气候相对湿润时,陆源输入量增加,则发育长英质页岩(Ⅰ、Ⅱ、Ⅲ型储集空间)。在干旱与湿润之间广泛的过渡区间,则发育混合质页岩(Ⅳ、Ⅴ型储集空间)[27]
图12 7种储集空间类型三端元矿物含量变化图
粒间缝隙型、粒间孔缝型、粒间微米孔型储集空间的面孔率均大于9%(见图13a)。其中,长英质粒间缝隙型储集空间的面孔率最大,为12.90%,该类型通常发育在纹层状长英质页岩中,这与其他学者认为纹层状长英质页岩中页岩油最富集的观点相符[3,6]。其次为长英质粒间微米孔型,为10.06%,混合质粒间孔缝型的面孔率为9.30%。以粒间缝和微米孔为主的储集空间的储集性能普遍大于粒间孔隙型储集空间。粒间孔隙型储集空间的面孔率均小于9.00%,并且按照无黏土白云质粒间孔隙型(7.90%)、含黏土白云质粒间孔隙型(6.32%)、混合质粒间孔隙型(4.55%)、长英质粒间孔隙型(2.95%)的次序逐渐降低(见图13a)。面孔率小于9%的粒间孔隙型储集空间的储集物性排序与邓远等认为灰云质页岩和混合质页岩相比于长英质页岩具有更好的储集物性优势的观点相符[7]
图13 不同类型储集空间面孔率及孔隙体积贡献对比
综上,在所有类型的储集空间当中长英质粒间缝隙型储集空间的储集性能最好。当储集空间为孔隙型结构时,白云质页岩的储集性能最好,其次为混合质页岩,长英质页岩的储集性能相对较弱。储集性能的大小受储集空间展布样式的影响:①粒间缝隙型储集空间的储集性能通常大于粒间孔隙型的储集空间。②在粒间孔隙型的储集空间中,当粒间孔内的黏土矿物等充填物含量较高时,面孔率一般较小。③黏土矿物含量较高储集性能并不一定较低,如果黏土矿物以较好的延展性横跨分布在骨架矿物之间,则可能会提供大量粒间缝从而改善储集性能,如Ⅳ型储集空间。
孔径分布曲线展布样式可以分为两类:①粒间缝隙型、粒间孔缝型、粒间微米孔型的孔隙体积主要由直径大于800 nm的粒间孔缝提供。②粒间孔隙型孔隙体积则主要是由直径小于800 nm粒间孔提供(见图13b)。
为了方便查阅对比7种类型储集空间的特征,特将7种储集空间类型的一些关键参数汇总(见表2)。依据表对不同类型储集空间的连通性进行对比,长英质粒间缝隙型储集空间的最大连通孔隙团簇占总孔隙体积的96.14%,连通规模大,是连通性最好的储集空间类型。含黏土白云质粒间孔隙型储集空间的平均孔隙配位数为2.48,最大连通孔隙团簇占总孔隙体积的比值达到70.59%,是连通性第2好的储集空间类型。无黏土白云质孔隙型储集空间未开展FIB-SEM三维重构分析,相关连通性评价参数不明,但由于其和含黏土白云质孔隙型储集空间的孔隙结构相似,推测应具有相同水平的孔隙连通性。长英质粒间微米孔型储集空间的孔隙配位数为3.18,但最大孔隙团簇连通规模为47.31%,综合以上两点其孔隙连通性排在第3。混合质粒间孔隙型储集空间的配位数为1.66,最大孔隙团簇规模为1.31%,两个评价参数数值均较低,结合图像(见图10b)认为属于整体连通性差、局部连通性较好的储集空间。基于其面孔率推测,长英质粒间孔隙型储集空间(面孔率2.95%)的孔隙连通性最差,混合质粒间孔缝型储集空间(面孔率9.31%)的孔隙连通性较好。
表2 7种储集空间类型关键评价参数汇总表
储集空间
类型
储集空间类型名称 面孔率/
%
主要孔隙
直径/μm
主要喉道
直径/nm
平均
配位数
最大连通
孔隙占比/%
主要孔隙类型
长英质粒间微米孔型 10.06 1.00~15.00 7.25~400.00 3.18 47.31 钠长石粒间孔
长英质粒间缝隙型 12.90 1.00~80.00 600.00~1 200.00 96.14 伊利石粒间缝、钠长石粒间缝、
伊利石与钠长石间缝隙
长英质粒间孔隙型 2.95 0.04~0.20 钠长石粒间孔、绿泥石粒间孔、
钠长石与绿泥石间孔隙
混合质粒间孔缝型 9.31 0.07~30.00 伊利石粒间孔缝、钠长石粒间孔缝、
伊利石与钠长石间孔缝
混合质粒间孔隙型 4.55 0.10~0.40 25.00~150.00 1.66 1.31 绿泥石粒间孔隙
含黏土白云质粒间孔隙型 6.32 0.08~0.70 50.00~200.00 2.48 70.59 白云石晶间孔、
绿泥石和与白云石间孔隙
无黏土白云质粒间孔隙型 7.90 0.05~0.60 白云石晶间孔

5 结论

沧东凹陷孔二段页岩储集空间可划分出7种类型,各储集空间类型具有其代表性的矿物组成、展布样式、孔径分布等特征,涵盖了孔二段长英质页岩、混合质页岩、白云质页岩中主要的储集空间类型。指出长英质粒间缝隙型储集空间具有最好的储集性能和孔隙结构,是需要重点关注的储集空间类型。当储集空间为粒间孔隙型结构时,以白云质页岩的储集性能最好,其次为混合质页岩,长英质页岩较差。
基于AMICS矿物扫描统计的孔隙-矿物接触面积能够有效定量计算出孔隙类型及占比。根据大面积SEM拼接图像计算孔隙的直径分布和体积贡献分布,能够有效表征含油(沥青)储集空间。大体积LV-FIB-SEM三维重构技术能够同时兼顾尺度代表性和高分辨率表征储集空间三维结构特征,是表征非均质性陆相页岩的储集空间的有效方法。
[1]
蒲秀刚, 时战楠, 韩文中, 等. 陆相湖盆细粒沉积区页岩层系石油地质特征与油气发现: 以黄骅坳陷沧东凹陷孔二段为例[J]. 油气地质与采收率, 2019, 26(1): 46-58.

PU Xiugang, SHI Zhannan, HAN Wenzhong, et al. Petroleum geological characteristics and hydrocarbon discovery of shale system in fine-grained sedimentary area of lacustrine basin: A case study of Kong2 Member in Cangdong Sag, Huanghua Depression[J]. Petroleum Geology and Recovery Efficiency, 2019, 26(1): 46-58.

[2]
韩文中, 赵贤正, 金凤鸣, 等. 渤海湾盆地沧东凹陷孔二段湖相页岩油甜点评价与勘探实践[J]. 石油勘探与开发, 2021, 48(4): 777-786.

HAN Wenzhong, ZHAO Xianzheng, JIN Fengming, et al. Sweet spots evaluation and exploration of lacustrine shale oil of the second member of Paleogene Kongdian Formation in Cangdong Sag, Bohai Bay Basin[J]. Petroleum Exploration and Development, 2021, 48(4): 777-786.

[3]
赵贤正, 周立宏, 蒲秀刚, 等. 湖相页岩型页岩油勘探开发理论技术与实践: 以渤海湾盆地沧东凹陷古近系孔店组为例[J]. 石油勘探与开发, 2022, 49(3): 616-626.

ZHAO Xianzheng, ZHOU Lihong, PU Xiugang, et al. Theories, technologies and practices of lacustrine shale oil exploration and development: A case study of Paleogene Kongdian Formation in Cangdong Sag, Bohai Bay Basin, China[J]. Petroleum Exploration and Development, 2022, 49(3): 616-626.

[4]
赵贤正, 周立宏, 蒲秀刚, 等. 陆相湖盆页岩层系基本地质特征与页岩油勘探突破: 以渤海湾盆地沧东凹陷古近系孔店组二段一亚段为例[J]. 石油勘探与开发, 2018, 45(3): 361-372.

ZHAO Xianzheng, ZHOU Lihong, PU Xiugang, et al. Geological characteristics of shale rock system and shale oil exploration in a lacustrine basin: A case study from the Paleogene 1st sub-member of Kong 2 Member in Cangdong Sag, Bohai Bay Basin, China[J]. Petroleum Exploration and Development, 2018, 45(3): 361-372.

[5]
蒲秀刚, 周立宏, 韩文中, 等. 细粒相沉积地质特征与致密油勘探: 以渤海湾盆地沧东凹陷孔店组二段为例[J]. 石油勘探与开发. 2016, 43(1): 24-33.

PU Xiugang, ZHOU Lihong, HAN Wenzhong, et al. Geologic features of fine-grained facies sedimentation and tight oil exploration: A case from the second Member of Paleogene Kongdian Formation of Cangdong Sag[J]. Petroleum Exploration and Development, 2016, 43(1): 24-34.

[6]
周立宏, 赵贤正, 柴公权, 等. 陆相页岩油效益勘探开发关键技术与工程实践: 以渤海湾盆地沧东凹陷古近系孔二段为例[J]. 石油勘探与开发, 2020, 47(5): 1059-1066.

ZHOU Lihong, ZHAO Xianzheng, CHAI Gongquan, et al. Key exploration & development technologies and engineering practice of continental shale oil: A case study of Member 2 of Paleogene Kongdian Formation in Cangdong Sag, Bohai Bay Basin, east China[J]. Petroleum Exploration and Development, 2020, 47(5): 1059-1066.

[7]
邓远, 蒲秀刚, 陈世悦, 等. 细粒混积岩储层特征与主控因素分析: 以渤海湾盆地沧东凹陷孔二段为例[J]. 中国矿业大学学报, 2019, 48(6): 1301-1316.

DENG Yuan, PU Xiugang, CHEN Shiyue, et al. Characteristics and controlling factors of fine-grained mixed sedimentary rocks reservoir: A case study of the 2nd member of Kongdian Formation in Cangdong Depression, Bohai Bay Basin[J]. Journal of China University of Mining & Technology, 2019, 48(6): 1301-1316.

[8]
GUAN M, LIU X P, JIN Z J, et al. The heterogeneity of pore structure in lacustrine shales: Insights from multifractal analysis using N2 adsorption and mercury intrusion[J]. Marine and Petroleum Geology, 2020, 114: 104150.

DOI

[9]
MA B Y, HU Q H, YANG S Y, et al. Pore structure typing and fractal characteristics of lacustrine shale from Kongdian Formation in east China[J]. Journal of Natural Gas Science and Engineering, 2021, 85: 103709.

DOI

[10]
CHEN K F, LIU X P, LIU J, et al. Lithofacies and pore characterization of continental shale in the second member of the Kongdian Formation in the Cangdong Sag, Bohai Bay Basin, China[J]. Journal of Petroleum Science and Engineering, 2019, 177: 154-166.

DOI

[11]
JOSH M, ESTEBAN L, DELLE PIANE C, et al. Laboratory characterisation of shale properties[J]. Journal of Petroleum Science and Engineering, 2012, 88/89: 107-124.

DOI

[12]
吴松涛, 朱如凯, 李勋, 等. 致密储层孔隙结构表征技术有效性评价与应用[J]. 地学前缘, 2018, 25(2): 191-203.

DOI

WU Songtao, ZHU Rukai, LI Xun, et al. Evaluation and application of porous structure characterization technologies in unconventional tight reservoirs[J]. Earth Science Frontiers, 2018, 25(2): 191-203.

DOI

[13]
金旭, 李国欣, 孟思炜, 等. 陆相页岩油可动用性微观综合评价[J]. 石油勘探与开发, 2021, 48(1): 222-232.

JIN Xu, LI Guoxin, MENG Siwei, et al. Microscale comprehensive evaluation of continental shale oil recoverability[J]. Petroleum Exploration and Development, 2021, 48(1): 222-232.

[14]
DAVUDOV D, MOGHANLOO R G, LAN Y Z. Evaluation of accessible porosity using mercury injection capillary pressure data in shale samples[J]. Energy & Fuels, 2018, 32(4): 4682-4694.

DOI

[15]
CHALMERS G R. BUSTIN R M, POWER I M. Characterization of gas shale pore systems by porosimetry, pycnometry, surface area, and field emission scanning electron microscopy/transmission electron microscopy image analyses: Examples from the Barnett, Woodford, Haynesville, Marcellus, and Doig units[J]. AAPG Bulletin, 2012, 96(6): 1099-1119.

DOI

[16]
CLARKSON C R, SOLANO N, BUSTIN R M, et al. Pore structure characterization of north American shale gas reservoirs using USANS/SANS, gas adsorption, and mercury intrusion[J]. Fuel, 2013, 103: 606-616.

DOI

[17]
LABANI M M, REZAEE R, SAEEDI A, et al. Evaluation of pore size spectrum of gas shale reservoirs using low pressure nitrogen adsorption, gas expansion and mercury porosimetry: A case study from the Perth and Canning basins, western Australia[J]. Journal of Petroleum Science and Engineering, 2013, 112: 7-16.

DOI

[18]
CHAREONSUPPANIMIT P, MOHAMMAD S A, ROBINSON R L, et al. High-pressure adsorption of gases on shales: Measurements and modeling[J]. International Journal of Coal Geology, 2012, 95: 34-46.

DOI

[19]
WU S T, YANG Z, PAN S Q, et al. Three-dimensional imaging of fracture propagation in tight sandstones of the Upper Triassic Chang 7 member, Ordos Basin, northern China[J]. Marine and Petroleum Geology, 2020, 120: 104501.

DOI

[20]
WU S T, YANG Z, ZHAI X F, et al. An experimental study of organic matter, minerals and porosity evolution in shales within high-temperature and high-pressure constraints[J]. Marine and Petroleum Geology, 2019, 102: 377-390.

DOI

[21]
姜振学, 宋岩, 唐相路, 等. 中国南方海相页岩气差异富集的控制因素[J]. 石油勘探与开发, 2020, 47(3): 617-628.

JIANG Zhenxue, SONG Yan, TANG Xianglu, et al. Controlling factors of marine shale gas differential enrichment in southern China[J]. Petroleum Exploration and Development, 2020, 47(3): 617-628.

[22]
JIANG Z X, TANG X L, CHENG L J, et al. Characterization and origin of the Silurian Wufeng-Longmaxi Formation shale multiscale heterogeneity in southeastern Sichuan Basin, China[J]. Interpretation, 2015, 3(2): SJ61-SJ74.

DOI

[23]
MA Y, ZHONG N N, LI D H, et al. Organic matter/clay mineral intergranular pores in the Lower Cambrian Lujiaping shale in the north-eastern part of the Upper Yangtze area, China: A possible microscopic mechanism for gas preservation[J]. International Journal of Coal Geology, 2015, 137: 38-54.

DOI

[24]
马勇, 钟宁宁, 黄小艳, 等. 聚集离子束扫描电镜(FIB-SEM)在页岩纳米级孔隙结构研究中的应用[J]. 电子显微学报, 2014, 33(3): 251-256.

MA Yong, ZHONG Ningning, HUANG Xiaoyan, et al. The application of focused ion beam scanning electron microscope (FIB-SEM) to the nanometer-sized pores in shales[J]. Journal of Chinese Electron Microscopy Society, 2014, 33(3): 251-256.

[25]
SAIF T, LIN Q Y, BUTCHER A R, et al. Multi-scale multi- dimensional microstructure imaging of oil shale pyrolysis using X-ray micro-tomography, automated ultra-high resolution SEM, MAPS Mineralogy and FIB-SEM[J]. Applied Energy, 2017, 202: 628-647.

DOI

[26]
KELLY S, EL-SOBKY H, TORRES-VERDÍN C, et al. Assessing the utility of FIB-SEM images for shale digital rock physics[J]. Advances in Water Resources, 2016, 95: 302-316.

DOI

[27]
李圯, 刘可禹, 蒲秀刚, 等. 沧东凹陷孔二段混合细粒沉积岩相特征及形成环境[J]. 地球科学, 2020, 45(10): 3779-3796.

LI Yi, LIU Keyu, PU Xiugang, et al. Lithofacies characteristics and formation environments of mixed fine-grained sedimentary rocks in second member of Kongdian Formation in Cangdong Depression, Bohai Bay Basin[J]. Earth Science, 2020, 45(10): 3779-3796.

文章导航

/