Indonesia’s Unconventional Resources, Modified Resource Triangle, and a Typical Example of Stimulation of Coalbed Methane Reservoir
Notice bibliographique
Résumé
Indonesia has been producing oil since 19th century and started producing 2 types of Unconventional Resources (UR) which are heavy oil since 1958 and Coal Bed Methane (CBM) since this year (2012). The concept of resource triangle was introduced by Masters and Gray in 1979 to describe the huge reserves of UR and its difficulty to be produced. A modified version had been done with a scale to exactly describe the amount of oil or gas reserve of UR. It is then linked with the stimulation techniques needed to produce them. To recover the heavy oil, thermal stimulation or recovery technique is needed to reduce its very high viscosity. Similarly, Coal Bed Methane (CBM) is also categorized as unconventional reservoirs (UR) because of its low permeability and can only be produced economically at commercial flow rates with special recovery processes or well-stimulation treatment. This paper will give a comparison study of producing CBM with and without hydraulic fracturing, a type of well-stimulation technology. The optimization procedure to select the type of water frac fluid and propping agent size and type that technically and economically suitable for CBM reservoir. The process was done using fracturing simulator and reservoir simulator for dual porosity system (CMG GEM). Fracturing simulator predicted the amount of fluid and propping agent and the resulting fracturing conductivity. Afterwards, the post-fracturing results will then be transferred to CMG-GEM, by which, using Warren and Root equation, the gas production profile is predicted and compared with its pre-fracturing results. From this study, optimum hydraulic fracture treatments is found by having the connected permeability around 5-10 Darcy. This can be accomplished by pumping enough volumes of proppant at low concentrations (6 ppa) into the fracture using less expensive fluids and distribute it uniformly.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».