MétaCan
Menu
Retour à la cohorte
Enregistrement W2090572424 · doi:10.2118/137816-ms

Integrated Reservoir and Decision Modeling to Optimize Spacing in Unconventional Gas Reservoirs

2010· article· en· W2090572424 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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueCanadian Unconventional Resources and International Petroleum Conference · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUnconventional oilFlexibility (engineering)Computer scienceProfitability indexInfillMonte Carlo methodReservoir simulationFossil fuelNet present valuePetroleum engineeringDrillingMathematical optimizationProduction (economics)GeologyEngineeringCivil engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Despite our increased experience, unconventional gas plays remain risky. In the face of this risk, operators must balance the need to conserve capital and protect the environment by avoiding over drilling with the desire to maximize profitability by achieving the optimal well spacing as quickly as possible. Previous unconventional gas developments such as the Carthage Field (Cotton Valley) have implemented multiple infill drilling programs over several decades to optimize well spacing, with significant reduction in value (McKinney et al. 2002). However, in emerging plays such as the non-core Barnett Shale and the Fayetteville Shale, historical infill programs are not available to evaluate optimal spacing and we do not have the luxury of developing these fields over the next 30-40 years. Existing approaches for optimizing development, such as integrated reservoir simulation studies or statistical moving-window methods, can be either prohibitively time-consuming and expensive or they do not consider the uncertainty inherent in the assessment. The objective of our work was to develop technology and tools to help operators determine optimal well spacing in highly uncertain and risky unconventional gas reservoirs as quickly as possible. To achieve the research objectives, we developed an integrated reservoir and decision modeling system that incorporates uncertainty. We used Monte Carlo simulation with a fast, approximate reservoir simulation model to match and predict production performance in unconventional gas reservoirs. Simulation results are then integrated with a Bayesian decision model that accounts for the risk facing operators. We applied these integrated tools to a hypothetical case based on data from Deep Basin (Gething) tight gas sands in Alberta, Canada, to determine optimal development strategies. We anticipate that the tools and methodologies developed will be applicable in most shale and tight gas reservoirs. These tools should ultimately be able to help operators determine, for example, the combination of primary development strategy (well spacing and/or completion method) and testing (pilot downspacings and/or tests of other completion methods) that maximizes future profitability. The optimal design of such programs in unconventional reservoirs, where the risks are high, is likely to pay large dividends.

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)0,001
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 enseignants0,042
Score d'incertitude au seuil0,969

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,260
Écart entre enseignants0,236 · 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