利用微地震数据的闭合窗口评估水力压裂的有效SRV

《Journal of Applied Geophysics》：evaluate effective SRV of hydraulic fracturing using closure window of microseismic data

　　

•闭合窗口（CW）方法根据泵注程序将每个压裂阶段的微地震数据划分为支撑垫、支撑剂和闭合窗口；CW捕捉关井期间由漏失和裂缝闭合主导的事件，有效代表生产性SRV，同时消除先前阶段的干扰。

•建立了一个定量模型，可根据三个窗口计算总SRV面积和体积以及有效SRV面积和体积。

•CW推导的SRV体积约为整个窗口微地震数据体积的47%，这意味着约一半的传统定义的微地震云体积是非生产性的，这可以为补钻井位布置和重复压裂设计提供指导。

•对闭合窗口进行约40分钟的监测可能就足够了，这可能在不牺牲精度的情况下降低微地震监测成本。

引言

水力压裂（HF），又称水力改造，通过在地层中形成裂缝来连接储层和井筒，从而改善烃类流动。HF已成为一种标准的储层改造技术，用于提高非常规储层中石油和气井的产能，这些储层以前被认为难以开发，如页岩、致密砂岩、煤层、气水合物等。在本文中，"水力压裂"特指使用塞钻和射孔完井方法进行支撑剂水力裂缝改造。

目前，微地震（MS）监测在HF期间被常规用作诊断技术，以监测实时裂缝扩展和形态（Chitrala等，2011年）。井下或地面检波器用于MS监测，以检测来自岩石的小型矩震级（Mw）的微小声音，水力压裂的最小Mw小于0（Davies等，2013年）。这是提供裂缝网络和改造储层体积的排液区域实时三维视图的唯一方式。MS数据包含丰富的HF信息，包括：MS事件震级、裂缝形态（长度、高度、宽度、方位角、不对称性）、SRV的面积和体积、裂缝网络复杂性、HF作业的有效性、天然裂缝（NF）和断层、储层特性、HF对储层的影响、裂缝与含水层之间的垂直距离（Warpinski，2009年；King和Leonard，2011年；Fisher和Warpinski，2012年；Gale等，2014年）。因此MS可以指导现场HF作业，并为未来的重复压裂和补钻井提供建议。

MS事件可以由任何地下运动源触发，由于剪切和拉伸破坏（Warpinski和Teufel，1987年；Seth Busetti，2014年），包括：水力裂缝、天然裂缝重新激活、先前产生的水力裂缝重新激活（Warpinski，2009年；Gale等，2014年）、流体漏失引起的次生裂缝、地层边界和作业噪音（Shuck等，2015年）。因此，并非所有检测到的MS位置都连接到当前裂缝网络或有助于流体流动（Rassenfoss，2015年）。在本文中，我们将SRV（原始改造储层体积）定义为对流体流动有贡献的有效改造储层体积。

从MS数据推导的SRV和裂缝形态存在不确定性，因为MS事件不仅来自当前阶段诱导的主裂缝，还来自无关源（Warpinski，2009年；Rassenfoss，2015年）。我们的闭合窗口（CW）方法源于我们以及石油行业观察到的以下两个事实（Liu等，2017年），这些事实反映了MS数据应用中持续存在的共性问题。

1) 研究表明，水平井相邻压裂改造阶段的MS云严重相互重叠。这种重叠掩盖了当前压裂阶段的真实SRV。只有当大量流体进入先前裂缝时，或者使用我们的CW方法来筛选MS数据时，才能解释这种重叠。

2) 当使用MS数据进行裂缝形态和产量的历史拟合时，我们发现从整个MS窗口读取的大型裂缝尺寸很难与给定的压裂作业数据（如泥浆速率、泥浆体积、注入时间）匹配，除非在详细的裂缝匹配过程中使用不切实际的储层和裂缝参数估计。因此在产量历史拟合过程中也很难匹配现场产量数据；这导致产量预测高于实际产量。

这两个观察结果与Palmer等（2013年，2014年）的研究一致，即无论通过裂缝模拟还是直接从MS云读取的复杂裂缝网络，都大于"真实有效"的裂缝网络/SRV。例如，井投产后实际SRV比从MS数据估计的体积小约10%（Palmer等，2013年），因此MS评估预测的产量高于实际报告的产量（Palmer等，2014年）。

当前文献中大多数SRV评估方法/算法都是基于MS数据，通过构建各种几何体（如盒子、球体和凹凸包络体）来模拟MS数据云（即MS事件位置）的形状，并计算这些体的总体积。计算方法包括K-means聚类、BIN算法、Delaunay三角剖分、最小体积包围椭球体等（Liu等，2019年；Shao等，2018年）。然而，所有这些SRV算法都必须依赖于准确的MS事件位置，而这些位置受储层和技术方面的影响。储层方面包括水力压裂活动、水力压裂与天然裂缝的相互作用、流体漏失等；技术方面包括速度模型、解释算法、地震信号/噪声比等。当前使用这些计算方法的研究很少考虑这个根本问题——在SRV计算之前如何区分生产性和非生产性MS事件。我们的闭合窗口方法通过在应用任何SRV算法之前去除异常和无关的MS数据点来解决这个关键的第一步，从而为这些现有方法提供更准确的输入。

互补诊断技术的最新进展为验证和细化基于微地震的SRV估计提供了新的途径。分布式声波传感（DAS）与微地震监测的结合提供了直接的应变测量，可以验证裂缝延伸范围并揭示MS云与实际裂缝形态之间的差异（Tegtow等，2025年）。同时，机器学习方法越来越多地应用于自动化微地震事件检测和分类，实现更高效和可靠的数据处理（Abdullin等，2026年）。化学示踪剂技术通过分析返排期间的示踪剂浓度来评估裂缝连通性和阶段贡献，为裂缝形态提供了独立的生产验证（Salman等，2014年；Zhong等，2023年）。此外，微地震约束的离散裂缝网络（DFN）建模集成了源参数以构建物理一致的裂缝网络进行SRV估计（Yu等，2026年）。这些新兴技术虽然有价值，但并未解决SRV计算之前区分生产性和非生产性MS事件的根本问题。

最近，水力压裂建模的进展为裂缝扩展和复杂性提供了新的见解。例如，最近的研究表明，流体粘度和断裂韧性的竞争控制着从简单平面裂缝到复杂网络的转变（Xu等，2026年）。此外，能够模拟耦合流体流动和裂缝变形的高保真数值模型增强了我们对近井筒应力演变的理解（Wang等，2026年）。这些模型通常计算量很大；然而，扩展有限元法（XFEM）和粘聚区模型等先进数值方法已被开发出来，以有效地模拟非均匀介质中的裂缝扩展（Chen等，2025年）。虽然这些模型提供了坚实的理论框架，但传统的用于模拟SRV的数值方法——如使用格子Boltzmann方法或传统储层模拟器与裂缝扩展代码耦合——通常依赖于预定义的裂缝几何形状或需要大量计算资源进行历史拟合（Yu等，2023年）。我们的CW方法提供了一种务实的数据驱动方法，弥合了复杂理论模型与现场应用之间的差距。通过在数据用于任何算法之前进行过滤，我们的方法为传统和现代压裂模型都提供了更可靠的输入，从而提高了这些高级模拟的预测精度。

未来将CW推导的SRV与DAS、示踪剂和基于DFN的方法整合，可能为更准确的SRV表征提供一个多学科框架。

为解决上述问题，我们开发了"闭合窗口"（CW）方法，将压裂阶段的MS数据分为三个时间窗口：支撑垫窗口、支撑剂窗口和闭合窗口。CW仅包括泵注停止后关井期间井的MS事件，即当前阶段泵注支撑剂浆液之后和返排之前。

本研究开发的模型可用于处理任何压裂改造作业的MS数据，分离三个MS事件窗口，并从CW计算SRV面积和体积。CW方法被应用于美国的5口页岩井。在CW中观察到了独特特征。CW减少了每个阶段的裂缝尺寸和阶段之间的MS云重叠。闭合窗口与整个窗口的平均面积比为0.7。闭合窗口与整个窗口的平均体积比为0.47。

闭合窗口方法

在研究美国费耶特维尔页岩和伊格尔福特页岩的几口井时，通过比较MS监测时间与井的压裂作业记录，我们发现MS监测在浆液泵注停止后持续1小时，并在井关井期间进行监测，关井期间有许多MS事件，这些事件可能是裂缝形态和SRV的宝贵信息来源。然而，通常认为井关井后地震活动很少。

数据处理方法和步骤

MS事件使用Excel-VBA程序分为3个窗口（支撑垫、支撑剂和闭合窗口），如图2的工作流程所示。MS数据格式至少应包括以下列：数据、时间、阶段号、X坐标、Y坐标、Z坐标。VBA程序根据测量井底泵注程序记录中的支撑剂浓度Cp来划分压裂作业记录：Cp=0为支撑垫窗口开始，Cp>0为支撑剂窗口开始，然后是第一个Cp=0之后。

结果与讨论

我们将CW方法应用于美国的5口页岩井，其中1口在费耶特维尔页岩，4口相邻在伊格尔福特页岩，关于支撑垫、支撑剂和闭合窗口中的MS云。这些井使用了塞钻、射孔和压裂完井方法。5口页岩井的完井参数列于表1中。1号井的层间距为138英尺，2-3号井为53英尺，4-5号井为78英尺。

以下讨论提供了独特的观察。

局限性

1) 基于CW推导的SRV进行产量历史拟合的非唯一性：本文的要点是，我们在储层模拟模型中使用了相同的储层和裂缝特性，除了裂缝形态或SRV，我们使用CW推导的SRV形态取得了更好的匹配。

2) 现场MS数据可用性：由于石油公司提供数据的机密性限制，目前我们无法提供更多现场研究来证明CW方法。但我们努力获取更多。

结论

1) 基于闭合窗口方法，该方法将压裂阶段的MS事件数据分为三个窗口：支撑垫窗口、支撑剂窗口和闭合窗口，我们进一步改进和开发了模型代码，可用于分析任何MS数据并划分三个MS事件窗口，从而计算每个阶段三个单独窗口和整个窗口的SRV面积和体积。

2) 我们推导出了关于阶段有效裂缝形态和SRV更准确的信息。

CRediT作者贡献声明

宋霞刘：方法论、形式分析、概念构思、原稿撰写。William K. Ott：监督、资源、调查。Walter Ayers：监督、项目管理、方法论、审稿与编辑。刘大为：资源、项目管理、资金获取。

资金

本研究由以下机构资助：油气藏地质与开采国家重点实验室开放基金（西南石油大学）（PLN 2020–4）；广东石油化工学院2020年人才引进项目（2020rc029）；西南能源公司；广东省教育厅广东省普通高校创新团队-油气资源勘探开发创新团队（2022KCXTD018）。

利益冲突声明

作者声明不存在任何可能影响本文所述工作的已知竞争性经济利益或个人关系。

致谢

我们感谢西南能源公司提供微地震和压裂改造作业数据及对本研究的支持。

同时感谢马拉松公司提供其来自数口页岩气井的数据。刘晓霞 | 威廉·K·奥特 | 沃尔特·艾尔斯 | 刘大为