Diagnostic Fracture Injection Testing Tactics in Unconventional Reservoirs
Notice bibliographique
Résumé
Abstract To achieve optimal production from unconventional reservoirs, it is useful to determine the permeability, pore pressure, and state of stress of rock strata. Doing so will lead to properly designed treatments, realistic predictions of well performance, and a basis for normalizing reservoir contribution when evaluating completion and stimulation effectiveness. An effective way to derive the necessary reservoir information is to conduct in-situ pressure transient tests. Since it is difficult to inject fluid into or withdraw fluid from the pore network of tight rock, diagnostic fracture injection tests (DFIT) have been employed to create an analyzable pressure decline response, as well as to derive the minimum horizontal stress via fracture closure identification. This paper is a study of numerous DFITs conducted in unconventional reservoirs throughout the world to evaluate the reservoir and geomechanical characteristics of the pay zone and bounding intervals. Within this body of work, experiments were implemented to study the impact of testing methods on the test response and various types of analysis methods documented in the literature were implemented and compared. The paper summarizes findings and introduces tactics for planning/conducting tests and evaluating results in a variety of unconventional reservoir types. Topics covered in the paper include: Defining test objectives Test planning and strategies ○ Tactics for selecting injection rates and volumes ○ Downhole shut-in techniques for hastening fracture closure and radial flow regime development. ○ Vertical vs. horizontal wells ○ Multiple injection-falloff cycles. ○ Multi-interval tests ○ Multiple non-communicating pressure gauges. ○ Tactics for understanding test height Pre-test fracture modeling for selecting injection volumes and rates and test intervals. Procedure/execution Reservoir and geomechanical considerations ○ Sub-pressured reservoirs ○ Fracture closure ○ Impact of natural fractures ○ Near-wellbore fracture complexity
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».