Numerical Simulation of Hydraulically Induced Fracture Network Propagation in Shale Formation
Notice bibliographique
Résumé
Abstract Hydraulic fracturing treatment has been proven to be one of the key technologies for shale gas development. Micro-seismic mapping data has shown that hydraulic fracturing stimulation has often resulted in complex fracture network due to the geological complexity of shale formations. Hydraulic fracturing is a coupled process of shale formation deformation and flow of engineered fluid that includes water, proppant and other chemicals. Moreover, the pre-existing natural fractures in shale formation may complicate hydraulic fracture propagation process and alter its Young's modulus. In this paper, we have developed a numerical model for modeling hydraulic fracture propagation in highly fractured shale formation. The proposed numerical model has integrated turbulent flow, rock stress response, interactions of hydraulic fracture propagation with natural fractures, and influence of natural fractures on formation Young's modulus. Mixed finite element method is employed for numerical solution of the nonlinear partial differential equations. The proposed model has been validated with bi-wing hydraulic fracture model through regression tests. The preliminary numerical results illustrate the significant differences in modeling hydraulic fracture propagation in comparison with current models that assume laminar flow in hydraulic fracture process. Two simulated cases with different initial natural fracture mapping are given. The preliminary numerical results show that length and density of natural fracture have significant impact on formation Young's modulus, and interactions between hydraulic fracture and natural fractures create the complex fracture network. This model provides an opportunity to optimize hydraulic fracturing stimulation design through numerical simulations, which is vital in shale reservoir development. Introduction Hydraulic fracturing stimulation is one of the key technologies in shale gas development and has often, as shown in micro seismic mapping, resulted in complex fracture network geometry due to the interaction between hydraulic fracture and pre-existing natural fractures (Fisher et al. 2002; Maxwell et al. 2002; Daniels et al. 2007; Le Calvez et al. 2007; X. Wang et al. 2011). Though it has been widely used in oil and gas industry for many years, it remains a great challenge to quantitatively characterize the hydraulically induced fracture network in shale gas development due to the complexity of the network and lack of the observational data. Hydraulic fracturing is a stimulation process, in which engineered fluids, a mixture of water, sand and chemicals, are pumped into shale formation at high pressure and rate to create an induced fracture network. In the stimulation process, high flow rate and fluid pressure initiate and propagate the hydraulically induced fracture. The induced fracture can open the natural fracture or cross it, or can be rested by the natural fracture once it intersects with a natural fracture (Blanton, 1982; Warpinski, N.R, 1987; Renshaw, C.E., 1995, and N. Potluri, 2005). Consequently, it is critical to model the coupling effects of the flow process and the fracture propagation.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».