Numerical Simulation of Complex Fracture Network Development by Hydraulic Fracturing in Naturally Fractured Ultratight Formations
Notice bibliographique
Résumé
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».