MétaCan
Menu
Retour à la cohorte
Enregistrement W2014932330 · doi:10.2118/169016-ms

Fluid Compositional Prediction in Conventional and Unconventional Petroleum Systems

2014· article· en· W2014932330 sur OpenAlexaboutno aff
Brian Horsfield, Rolando di Primio

Notice bibliographique

RevueSPE Unconventional Resources Conference · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOil shalePetroleum systemGeologySource rockPetroleumGrabenPetroleum engineeringStructural basinPaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract In conventional petroleum systems, predicting gas-oil ratio and charge volumes ahead of drilling is a proven element of exploration strategy. In shale plays the liquid-gas cut-off must be known precisely, and production from the liquid-prone zone optimised. In-place does not necessarily correspond to produced GOR. In particular the transition from volatile oil, to condensate to wet gas is crucial, and production strategies must be developed accordingly. The first step in unravelling the fractionation phenomena occurring in both play types is to determine the bulk composition of the petroleum that is first-formed in the source rock. This is because all subsequent processes simply act upon and modify this original composition. Here we present numerous case studies where PhaseKinetics (di Primio and Horsfield, 2006), a compositional kinetic approach for predicting in-situ bulk fluid properties, has been employed in appraising acreage, and then go on to consider some of the critical aspects surrounding unconventional plays. In high pressure-high temperature (HPHT) reservoirs of the North Sea, which can be considered closed systems, black to light oil GOR distributions in the North Sea Viking Graben closely matched the predictions from our MSSV pyrolysis experiments (method of Horsfield et al., 1989) performed on the Draupne Formation source rock (di Primio and Skeie, 2004). In a similar study of the Jade and Judy Fields in the Central Graben (di Primio and Neumann, 2008), GOR predictions from MSSV pyrolysis bore a close resemblance to the natural HPHT system. Other examples of excellent GOR predictive capability are provided by modelling the Egret Shale and its generated petroleum in the Jeanne d'Arc Basin, Canada (Baur et al., 2012), and the Bakken Shale and its petroleums in the Williston Basin, USA (Kuhn et al., 2010, 2012). The lessons learned from conventional systems about petroleum compositional predictions can be readily applied to shale resource plays. Of key importance is the structure of the precursor organic matter, determined by organofacies and maturity. This applies both vertically and laterally. We also draw attention to the importance of determining whether cumulative or instantaneous fluids are found within the range of pore sizes present in shale. In the mid- to late oil window, instantaneous fluids from the Posidonia Shale are rich in gas and light liquids; phase envelopes change rapidly with increasing maturity. Cumulative fluids in juxtaposed strata have lower GORs. Fracking has to take these points into account or production GOR might turn out to be quite different to in-situ GOR, a phenomenon that has already been noted for the Eagle Ford.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,200
Écart entre enseignants0,189 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Unconventional Resources ConferenceMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207