MétaCan
Menu
Retour à la cohorte
Enregistrement W2003869214 · doi:10.1115/1.4028690

Numerical Simulation of Complex Fracture Network Development by Hydraulic Fracturing in Naturally Fractured Ultratight Formations

2014· article· en· W2003869214 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Energy Resources Technology · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesGovernment of Alberta
Mots-clésHydraulic fracturingFracture (geology)Petroleum engineeringGeologyOil shaleTight gasMicroseismFracture treatmentUnconventional oilTight oilComplex fractureGeotechnical engineeringSeismology

Résumé

récupéré en direct d'OpenAlex

The creation of large complex fracture networks by hydraulic fracturing is imperative for enhanced oil recovery from tight sand or shale reservoirs, tight gas extraction, and hot-dry-rock (HDR) geothermal systems to improve the contact area to the rock matrix. Although conventional fracturing treatments may result in biwing fractures, there is evidence by microseismic mapping that fracture networks can develop in many unconventional reservoirs, especially when natural fracture systems are present and the differences between the principle stresses are low. However, not much insight is gained about fracture development as well as fluid and proppant transport in naturally fractured tight formations. In order to clarify the relationship between rock and treatment parameters, and resulting fracture properties, numerical simulations were performed using a commercial discrete fracture network (DFN) simulator. A comprehensive sensitivity analysis is presented to identify typical fracture network patterns resulting from massive water fracturing treatments in different geological conditions. It is shown how the treatment parameters influence the fracture development and what type of fracture patterns may result from different treatment designs. The focus of this study is on complex fracture network development in different natural fracture systems. Additionally, the applicability of the DFN simulator for modeling shale gas stimulation and HDR stimulation is critically discussed. The approach stated above gives an insight into the relationships between rock properties (specifically matrix properties and characteristics of natural fracture systems) and the properties of developed fracture networks. Various simulated scenarios show typical conditions under which different complex fracture patterns can develop and prescribe efficient treatment designs to generate these fracture systems. Hydraulic stimulation is essential for the production of oil, gas, or heat from ultratight formations like shales and basement rocks (mainly granite). If natural fracture systems are present, the fracturing process becomes more complex to simulate. Our simulations suggest that stress state, in situ fracture networks, and fluid type are the main parameters influencing hydraulic fracture network development. Major factors leading to more complex fracture networks are an extensive pre-existing natural fracture network, small fracture spacings, low differences between the principle stresses, well contained formations, high tensile strength, high Young’s modulus, low viscosity fracturing fluid, and large fluid volumes. The differences between 5 km deep granitic HDR and 2.5 km deep shale gas stimulations are the following: (1) the reservoir temperature in granites is higher, (2) the pressures and stresses in granites are higher, (3) surface treatment pressures in granites are higher, (4) the fluid leak-off in granites is less, and (5) the mechanical parameters tensile strength and Young’s modulus of granites are usually higher than those of shales.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil0,731

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,204
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle