Thermomagnetic Analyses of the Permeability-Controlling Minerals in Red and White Sandstones in Deep Tight Gas Reservoirs: Implications for Downhole Measurements
Notice bibliographique
Résumé
Summary Our recent work on deep tight gas reservoirs containing red and white sandstones (Potter et al. 2009) has suggested that the presence of small amounts of hematite in reservoir samples can have a dramatic effect on permeability. Such conclusions were made using laboratory-based low- and high-field magnetic-susceptibility measurements on reservoir-rock samples and by comparing these measurements with the permeability data. These rapid, nondestructive magnetic measurements have been applied previously in clastic reservoir samples (Potter 2007; (Ivakhnenko 2006; Ivakhnenko and Potter 2008; Potter and Ivakhnenko 2008) and carbonate reservoir samples (Al-Ghamdi 2006; Potter et al. 2011). However, such laboratory-based analyses are not representative of the downhole in-situ conditions, especially in deep gas reservoirs where the temperature can reach quite high values. Typical tight-gas-reservoir depths can reach approximately 4000 m (Abu-Shanab et al. 2005) and 6000 m (Tang et al. 2008), and the equivalent temperatures would measure 131 and 192°C, respectively, if one assumes the normal geothermal gradient (Mayer-Gurr 1976). This paper investigates the in-situ magnetic properties of deep tight gas reservoir samples (containing permeability-controlling reservoir minerals hematite and illite) by means of laboratory experiments to model downhole temperature conditions. We perform magnetic hysteresis measurements at various temperatures in order to identify and quantify mineralogy and model changes in the magnetic behavior of these minerals at in-situ downhole conditions. From these measurements, we are able to show whether the mineralogy or domain state of the permeability-controlling minerals is likely to change with temperature in deep gas reservoirs. These changes can potentially have a major effect on permeability. We also demonstrate that there are strong correlations between core-permeability and magnetic-susceptibility data in these tight-gas-reservoir samples. The permeability is low in red sections of the core wherever there is hematite.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».