Real-Time Downhole Monitoring Of Hydraulic Fracturing Treatments Using Fibre Optic Distributed Temperature and Acoustic Sensing
Notice bibliographique
Résumé
Abstract In order to make commercial and development decisions effectively and more rapidly, new appraisal and testing technologies are needed to maximize early data collection and subsequent subsurface understanding as quickly as possible. For Unconventional Gas and Light Tight Oil (UGLTO) projects, some of this critical data can be derived from hydraulic fracture stimulation and inflow profiling activities. For UGLTO projects, achieving an optimum hydraulic fracture stimulation is a continuous endeavor beginning as early as possible; and balancing the cost of completion vs. production performance is critical as the completion/stimulation is a large cost component of the well and heavily influences production rate/ultimate recovery. The fast paced development and introduction of new completion technologies requires diagnostic technology that can help us understand stimulation effectiveness, assess new completion technologies, and evaluate which zones are the most productive. One emerging technology, fibre optic distributed sensing has the potential of providing key insights during both the hydraulic fracturing and initial flowback. The passive nature of fibre optic sensors allows intervention-free surveillance, which makes fibre-optic technology an effective platform for permanent sensing in producing wells. Until recently, the oil & gas industry fibre optic sensing technology has focused mainly on temperature (DTS) profiling along the wellbore. In 2009, it was first demonstrated how fibre optic distributed acoustic sensing (DAS) can also be used for downhole applications. Where hydraulic fracture diagnostics based on DTS alone in the past sometimes yielded ambiguous results, the combination of both acoustic and temperature sensing provides a step-change improvement in the ability to perform real-time and post-job diagnostics & analyses of the stimulation. The different horizontal well case studies presented in this paper will illustrate how the combination of DTS and DAS has the potential to enhance the monitoring, assessment, and optimization of openhole and limited entry designed hydraulic fracture stimulation treatments.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».