MétaCan
Menu
Retour à la cohorte
Enregistrement W2016454446 · doi:10.2118/1006-0065-jpt

Stimulation Effectiveness in Multilayered, Tight Gas Reservoirs: Pinedale Anticline Area

2006· article· en· W2016454446 sur OpenAlexaboutno aff
Karen Bybee

Notice bibliographique

RevueJournal of Petroleum Technology · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnticlineTight gasWell stimulationGeologyPermeability (electromagnetism)Hydraulic fracturingPetroleum engineeringHydrology (agriculture)Environmental scienceReservoir engineeringGeotechnical engineeringPaleontologyTectonicsChemistryPetroleum

Résumé

récupéré en direct d'OpenAlex

This article, written by Assistant Technology Editor Karen Bybee, contains highlights of paper SPE 100574, "Using Reservoir Modeling To Evaluate Stimulation Effectiveness in Multilayered ‘Tight’ Gas Reservoirs: A Case History in The Pinedale Anticline Area," by S.K. Schubarth, SPE, Schubarth Inc.; J.P. Spivey, SPE, Phoenix Reservoir Software LLC; and P.T. Huckabee, SPE, Shell E&P Co., prepared for the 2006 SPE Gas Technology Symposium, Calgary, 15–17 May. Low-permeability, or "tight," gas reservoirs are being developed at an ever-increasing rate in the U.S. Currently, there are several tight gas plays in the U.S. where multiple intervals are commingled for economic viability. The Pinedale anticline completions pose a complex problem in determining the best stimulation method because as many as 22 separate stimulation treatments are placed in as many as 70 discrete sands over a 6,000-ft-thick interval. Evaluation is complicated by permeability variations that exceed two orders of magnitude and pore-pressure gradients that range from 0.22 to 0.83 psi/ft. Introduction Development of the Pinedale anticline in southwestern Wyoming has continued at an aggressive pace over the past several years. Massive hydraulic-fracturing (MHF) treatments are the only way to stimulate production from the tight gas sands present in this area to economically acceptable levels. Generally, each well requires between 14 and 22 MHF treatments to produce effectively from all potential pay intervals. Often, more than 2 million lbm of proppant is used per well, representing a high investment cost to the operator. The ability to evaluate the incremental production associated with the use of one proppant vs. another can have a significant effect on field profitability. Data Analysis Production and completion information from 11 wells with 172 fracture-treated intervals was included in this analysis. Production information was updated, and all 11 wells have at least two production logs, with one early in the well life. A detailed production history also was available for all wells for use in the reservoir-simulation evaluation. Six different proppants were used in the fracture treatments pumped. Reservoir Simulation. For single-layer tight gas reservoirs, fracture and reservoir properties usually are estimated by analyzing production data. Methods for such single-layer analysis include advanced decline-curve analysis with constant-terminal-pressure type curves, type-curve matching with constant-terminal-rate type curves, and automatic history matching with a single-layer analytical reservoir simulator. Single-layer analysis methods may provide estimates of in-situ permeability to gas, fracture half-length, fracture conductivity, and drainage area, which are used in evaluating the success of a fracture treatment, selecting restimulation candidates, optimizing future fracture treatments, forecasting future performance, and estimating reserves.

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 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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,563

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,006
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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 tête enseignante, 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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Petroleum TechnologyMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207