Evaluation of Well Performance for the Slot-Drill Completion in Low- and Ultralow-Permeability Oil and Gas Reservoirs
Notice bibliographique
Résumé
Summary Low- to ultralow-permeability formations require “special” treatments/stimulation to make them produce economical quantities of hydrocarbon, and at the moment, multistage hydraulic fracturing (MSHF) is the most commonly used stimulation method for enhancing the exploitation of these reservoirs. Recently, the slot-drill (SD) completion technique was proposed as an alternative treatment method in such formations (Carter 2009). This paper documents the results of a comprehensive numerical-simulation study conducted to evaluate the production performance of the SD technique and compare its performance to that of the standard MSHF approach. We investigated three low-permeability formations of interest—namely, a shale-gas formation, a tight-gas formation, and a tight/shale-oil formation. The simulation domains were discretized with Voronoi-gridding schemes to create representative meshes of the different reservoir and completion systems modeled in this study. The results from this study indicated that the SD method does not, in general, appear to be competitive in terms of reservoir performance and recovery compared with the more traditional MSHF method. Our findings indicate that the larger surface area to flow that results from the application of MSHF is much more significant than the higher conductivity achieved by use of the SD technique. However, there may exist cases, for example, a lack of adequate water volumes for hydraulic fracturing, or very high irreducible water saturation that leads to adverse relative permeability conditions and production performance, in which the low-cost SD method may make production feasible from an otherwise challenging (if not inaccessible) resource.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».