Hydraulic Fracture Modeling Workflow and Toolkits for Well Completion Optimization in Unconventionals
Notice bibliographique
Résumé
Abstract Unconventional reservoirs produce substantial quantities of oil and gas. These reservoirs are usually characterized by ultra-low matrix permeability. Most unconventional reservoirs are hydraulically fractured in order to establish more effective flow from the reservoir and fracture networks to the wellbores. The success of hydraulic fracture stimulation in horizontal wells has the potential to dramatically change the oil and gas production landscape across the globe and the impacts will endure for decades to come. For a given field development project, the economics are highly dependent completion establishing effective and retained contact with the hydrocarbon bearing rocks. Well and completion design parameters that influence the economic success of the field development include well orientation and landing zone, stage spacing and perforation cluster spacing, fluid volume, viscosity and pumping rate, and proppant volume, size and ramping schedule. Optimization of these design parameters to maximize asset economic value is key to the success of every unconventional asset. To achieve an optimal completion design for an asset, the current industry practice is to conduct a large number of field trials that require high capital investment and long cycle-time, and most importantly, significantly erode the project value. The workflow and toolkits shown in this paper offer a much cheaper and faster alternative approach in which to develop an optimal well completion design for EUR and unit development cost (UDC) improvements. It provides an integrated well placement and completion design optimization process that integrates geomechanics descriptions, formation characterizations, flow dynamics, microseismic event catalogues, hydraulic fracturing monitoring data, well completion and operational parameters in a modeling environment with optimization capability. The model is built upon a 3D geological model with multi-disciplinary inputs including formation properties, in-situ stresses, natural fracture descriptions, and well and completion parameters (i.e., well orientation, landing interval, fluid rate and volume, perforation spacing, and stage spacing). Upon calibrating with the hydraulic fracturing diagnosis data, the model provides optimized well completion design, and guidance on data acquisition and diagnostic needs to achieve EUR performance at optimized costs. Field trials based on recommendations from the approach have yielded encouraging production uplift and have led to a significant reduction in the number of trials and cost compared to the commonly used trial-and-error approach. We believe it is technically feasible to derive an optimal completion design using a subsurface based forward modeling approach which will deliver significant value to the industry.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,006 |
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 ».