Performance Evaluation of Gas Production With Consideration of Dynamic Capillary Pressure in Tight Sandstone Reservoirs
Notice bibliographique
Résumé
In this paper, a pragmatic and consistent framework has been developed and validated to accurately predict reservoir performance in tight sandstone reservoirs by coupling the dynamic capillary pressure with gas production models. Theoretically, the concept of pseudo-mobile water saturation, which is defined as the water saturation between irreducible water saturation and cutoff water saturation, is proposed to couple dynamic capillary pressure and stress-induced permeability to form an equation matrix that is solved by using the implicit pressure and explicit saturations (IMPES) method. Compared with the conventional methods, the newly developed model predicts a lower cumulative gas production but a higher reservoir pressure and a higher flowing bottomhole pressure at the end of the stable period. Physically, a higher gas production rate induces a greater dynamic capillary pressure, while both cutoff water saturation and stress-induced permeability impose a similar impact on the dynamic capillary pressure, though the corresponding degrees are varied. Due to the dynamic capillary pressure, pseudo-mobile water saturation controlled by the displacement pressure drop also affects the gas production. The higher the gas production rate is, the greater the effect of dynamic capillary pressure on the cumulative gas production, formation pressure, and flowing bottomhole pressure will be. By taking the dynamic capillary pressure into account, it can be more accurate to predict the performance of a gas reservoir and the length of stable production period, allowing for making more reasonable development schemes and thus improving the gas recovery in a tight sandstone reservoir.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».