MétaCan
Menu
Retour à la cohorte
Enregistrement W2059018650 · doi:10.2118/153252-ms

Combining Decline-Curve Analysis and Capacitance-Resistance Models To Understand and Predict the Behavior of a Mature Naturally Fractured Carbonate Reservoir Under Gas Injection

2012· article· en· W2059018650 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSPE Latin America and Caribbean Petroleum Engineering Conference · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésSuperposition principlePetroleum engineeringResistorCapacitanceComputer scienceMechanicsGeologyVoltageEngineeringChemistryElectrical engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Capacitance-Resistance (CR) models have received renewed interest in the past few years as a fast alternative to reservoir simulation to model and predict complex water or gas floods in mature reservoirs. Using an analogy between reservoirs and electrical systems, CR models represent the interactions between wells through analytical solutions to an equivalent capacitor-resistor circuit. CR models do not require a geologic model and can be built with only production and injection data. When modeling fields with numerous wells and a long history, traditional reservoir simulation workflows are extremely time-consuming. The simplicity of CR models make them extremely attractive to quickly model and predict the behavior of these complex reservoirs. Current CR models are able to represent accurately the behavior of reservoirs under strong water or gas floods, where the injection is the main driving mechanism for production. In such cases, the production rates are strongly correlated to the injection rates and CR model are ideally suited to decipher these interactions. However, most reservoirs start with a period of primary depletion or many are exploited under a weak injection strategy, for which CR models are not ideally suited. Here, we propose to combine decline-curve (DC) analysis with a CR model in order to solve this shortcoming. Using the superposition principle, the contribution of primary depletion to production is represented by DC and the contribution of injection is represented by the CR model. After presenting the formulation and implementation of our DC-CR model, we demonstrate its performance on a deep naturally fractured carbonate reservoir under hydrocarbon gas and nitrogen injection. The reservoir has over 30 years of production history: 23 years of primary depletion and 8 years of gas and nitrogen injection. Using a one-year blind test, we demonstrate that the model is able to accurately predict the reservoir behavior.

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.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,266
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,240
Écart entre enseignants0,222 · 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