MétaCan
Menu
Retour à la cohorte
Enregistrement W2040390295 · doi:10.2118/144436-ms

Advancements in Shale Gas Production Forecasting – A Marcellus Case Study

2011· article· en· W2040390295 sur OpenAlexaff
John M. Thompson, Viannet Okouma Mangha, David M. Anderson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensShell (Canada)
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringShale gasOil shalePermeability (electromagnetism)GeologyReservoir simulationNatural gasProduction (economics)EngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract Arps Decline Curve Analysis (DCA) has been the standard for evaluating expected ultimate recovery (EUR) in oil and gas wells since the 1950's. Although this empirical method has served the conventional petroleum industry well, its misapplication to wells in ultra-low permeability plays, most notably shale, often yields ambiguous results due to invalid assumptions. Depending on the application of DCA, these forecasts, with constant hyperbolic decline exponent (‘b-value’) assumptions, have proven to be either overly optimistic or overly pessimistic. The applicability of the Arps method is limited to wells exhibiting boundary dominated flow. However shale wells exhibit transient flow for years, making them unsuitable candidates for the conventional approach of DCA. With the industry now focused on shale, new tools are required to help reduce uncertainty in well forecasts. This paper presents a two-part study on the forecasting of shale gas well production. Part one utilizes a recently developed trilinear flow model (Ozkan et al. 2009) to improve forecast reliability while preserving simplicity for practical application. It is designed to account for 1) considerations of multi-fractured horizontal wells (MFHW), 2) improved localized effective permeability within the stimulated reservoir volume (SRV), 3) regional permeability contributions to the SRV and, 4) potential contributions of adsorbed gas to expected ultimate recovery. A workflow using this model is proposed and exemplified using production data from two gas wells from the Marcellus Shale (North-East Pennsylvania). Although analytical models provide a deeper understanding of shale gas reservoirs as well as more reliable forecasting capability, Arps decline curves are, and will continue to be, the language of the reserves evaluation. That is why it is useful to understand the dynamic behavior of the decline exponent resulting from flow regime transitions during the transient period. Part two of this paper highlights an important consideration in the application of DCA to shale: the effect of desorption on the b-value. It will be shown that when desorption is invoked, the b-value will increase. This difference has been quantified for a MFHW in the Marcellus using a Langmuir adsorption isotherm representative of the region.

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 enseignants0,200
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,045
Tête enseignante GPT0,232
Écart entre enseignants0,188 · 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

Citations57
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207