Volumetric Analysis of Two-Phase Flowback Data for Fracture Characterization
Notice bibliographique
Résumé
Abstract Analysis of early-time production data obtained during the ‘flowback’ period presents the earliest opportunity to characterize a stimulated reservoir volume (SRV). Previous studies have developed analytical models/methods to analyze two-phase flowback data for fracture characterization. However, the mechanisms responsible for the early-time gas production in shales are poorly understood. The objective of this paper is to understand the mechanisms responsible for early gas production and develop a mathematical model to estimate effective fracture volume. The study incorporates a comprehensive field data analysis from 8 wells of a single well pad completed in the Horn River Basin. Firstly, we develop several diagnostic plots [production rates, cumulative gas production (Gp) vs. cumulative water production (Wp), GWR vs. Gp] to identify the early time trends/signatures. The Gas-Water-Ratio (GWR) plots from the wells considered indicate a V-shape trend, dividing the flowback data into two regions: 1) Early Gas Production-EGP and 2) Late Gas Production-LGP. Water rate increases during EGP, resulting in a decreasing GWR curve. Production then ’rolls over’ to the gas dominant phase with a positive GWR slope. Secondly, we introduce a method to estimate effective fracture volume by assuming a simplistic two-phase tank model for the fracture system. Conventional p/Z analysis shows that the fracture network can be approximated by a tank model during the EGP phase and that the dominant main mechanisms during EGP include the expansion of initial free gas in fractures (IGIF), fracture closure and the expansion of residual frac fluids (water). Effective fracture volume is calculated using a modified material balance approach for the two-phase system. The material balance approach enables the estimation of effective fracture volume regardless of the fracture geometry. Finally, the proposed model is validated by numerical simulation and is applied to estimate effective fracture volume using field production data.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».