MétaCan
Menu
Retour à la cohorte
Enregistrement W2076432356 · doi:10.2118/05-10-03

Analysis of Coalbed Methane Production by Reservoir and Geomechanical Coupling Simulation

2005· article· en· W2076432356 sur OpenAlexaffabout
Fei Gu, Jonathan Chalaturnyk

Notice bibliographique

RevueJournal of Canadian Petroleum Technology · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueCoal Properties and Utilization
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCoalbed methanePermeability (electromagnetism)MethaneEnvironmental scienceCoalPetroleum engineeringReservoir simulationCoal miningGeologyWaste managementEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract An overview of coalbed methane (CBM) reservoir characteristics, its unique production mechanisms, and the influence of geomechanical processes on these production mechanisms are discussed from a reservoir engineering point of view. Models have been developed to predict changes in cleat porosity and permeability with in situ conditions (stress, pressure, gas sorption, and temperature). Explicit-sequential coupling simulations are conducted for conventional CBM depletion production. The study shows that during production, coal matrix shrinkage due to methane desorption results in an increase of permeability within coal seams in most regions close to the producer even though the mean effective stresses increase. The predicted production rate and cumulative production from explicit-sequential coupling simulations are higher than that from conventional simulations. The developed models also allow coalbed permeability anisotropy to be considered. Introduction Worldwide coalbed methane (CBM) reserves have been estimated at 84 ~ 262 trillion m3 (2,980 ~ 9,260 trillion ft3)(1). The majority of these CBM reserves are mainly located in Russia (17 ~ 113 trillion m3), Canada (6 ~ 76 trillion m3), China (30 ~ 35 trillion M3), Australia (8 ~ 14 trillion m3), and USA (11 trillion m3)(1). In the United States, CBM accounted for 10% of dry gas reserves and 8% of dry gas production in 2003(2). In other countries, such as China, Canada, and Australia, CBM projects are attracting more and more attention by resource companies. The production methods of CBM include conventional pressure depletion production and enhanced coalbed methane (ECBM) recovery. At present, CBM is mainly recovered by the former method. In ECBM, gases such as N2, CO2, or flue gas are injected to displace methane and maintain coalbed pressure. This recovery method is still in its infancy with only two field-scale ECBM projects (one injected N2 and the other injected CO2)(3), and one singlewell pilot project(4) worldwide. Productivity evaluation and prediction are important steps in the development of CBM reservoirs. Because gas storage mechanisms in coal seams (mainly adsorbing on the walls of pores) are different from that in conventional gas reservoirs (compressed in pores), conventional reservoir simulators generally do a poor job in predicting CBM production. Over the past decade, many models have been developed to characterize CBM production processes (5–7). Commercial simulators for CBM production can be categorized into two types: modified conventional black oil simulators and modified compositional simulators. With the recognition of the stress dependency of coal permeability and porosity and shrinkage/swelling of the coal matrix due to desorption/adsorption, some simulators have been modified to accommodate these characteristics(3). However, in these simulators the influence of in situ stresses is simplified with an analytic model or a monotonic relation between the permeability ratio and pressure changes. Durucan et al. developed a finite element model to simulate the in situ stress changes near wellbores and coupled the stress changes with fluid flow simulation by characterizing dynamic changes in permeability(8).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), 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

Citations49
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Canadian Petroleum TechnologyMême sujetCoal Properties and UtilizationTravaux en français237 207