Case Studies in Quantitative Flowback Analysis
Notice bibliographique
Résumé
Abstract Recently, several authors have explored new methods for quantitatively analyzing multi-phase flowback data from multi-fractured horizontal wells (MFHW) to extract both fracture and reservoir parameters. These techniques provide much of the same information as long-term rate-transient analysis (RTA), although in a much shorter period of time. Flowback analysis is complicated by a rapidly changing fracture network and wellbore environment, multi-phase flow in the fractures (and possibly the reservoir), completion heterogeneity, as well as other effects which are often not present, or are ignored, when analyzing long-term (online) production data. For quantitative flowback analysis, the current authors have previously presented data-driven, pseudo-analytical methods for estimating key fracture properties (i.e. conductivity and half-length) from high-frequency, short-duration production test data. Models have been developed for both oil and gas wells representing a variety of reservoir and operating conditions. In this work, the models and procedures are extended to apply to more challenging reservoir/completion scenarios and are used in the analysis of several case studies from Canada. Each of the case studies demonstrate either the potential value add of the developed techniques, or a unique extension to the basic analysis methods. The case studies analyzed herein focus on light tight oil plays and consider layered reservoirs, multi-well flowback, and oil fracs in oil reservoirs. Further, the potential capital savings associated with conducting quantitative flowback analysis of early-time production test data is demonstrated. Each case study therefore presents a unique set of challenges that are often encountered in the real world. Numerical simulations are used to validate the sequence of flow-regimes depicted in the models. The methods presented in this paper will serve to partially satisfy the demands of industry to develop new methods for characterizing hydraulic fractures and forecasting production, particularly early in the well life. Through the use of several unique case studies, the wide-spread applicability and versatility of the techniques is demonstrated.
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 | 0,014 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».