MétaCan
Menu
Retour à la cohorte
Enregistrement W2982451494 · doi:10.2118/196310-ms

Preliminary Considerations on the Application of Out-Of-Sequence Multi-Stage Pinpoint Fracturing

2019· article· en· W2982451494 sur OpenAlexaboutno aff
Benyamin Yadali Jamaloei

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyHydraulic fracturingFracture (geology)Oil shaleModulusSequence (biology)AnisotropyStress (linguistics)Stage (stratigraphy)Geotechnical engineeringPetrologyMaterials scienceComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Out-Of-Sequence Pinpoint Fracturing is a conceptual way of maximizing reservoir contact by creating fracture complexity via reducing or neutralizing the stress anisotropy to improve fracture conductivity and connectivity. A complex fracture network is formed by activating planes of weakness present in the form of natural fractures, fissures, faults, joints, and cleats. Branch fractures are created due to the induced stress-relief fractures where they can be connected to the main bi-wing hydraulic fractures to improve fracture network connectivity. Out-Of-Sequence Fracturing is initiated by fracturing Stage 1 (at the toe) and then fracturing Stage 3 toward the heel. Once a desired degree of stress interference between the Stages 1 and 3 (Outside Fracs) is established, Stage 2 (Centre Frac) is placed between the Outside Fracs. The Centre Frac enhances fracture network connectivity and conductivity by connecting to stress-relief fractures from the outside Fracs, taking advantage of the altered stress state. Out-Of-Sequence Fracturing has successfully been tested in Western Siberia (by LUKOIL) and Western Canada in 2014 and 2017, respectively. A fracture model is calibrated using treatment pressures and instantaneous shut-in pressures (ISIP) from the Out-Of-Sequence Pinpoint Fracturing in Western Canada. The fracture model is coupled with reservoir simulation and RTA to evaluate the production potential in Out-Of-Sequence Pinpoint Fracturing and to conduct an extensive sensitivity analysis on petrophysical/geomechanical properties (stress anisotropy, Young's modulus, Poisson's ratio, process zone stress (PZS)/net extension pressure, fracturing gradient, and matrix permeability) and treatment variables (stage spacing, treatment fluid volume/viscosity/rate, and proppant tonnage/size/concentration) to identify the factors that are most critical to optimizing the treatment. The results reveal noticeable production uplift from a carefully designed Out-Of-Sequence Pinpoint Fracturing, which avoids excessive fracture complexity that impedes fracture growth due to pressureout and screenout. Out-Of-Sequence Pinpoint Fracturing is most sensitive to stage spacing, treatment rate, proppant and fluid intensity for the Centre Frac, stress anisotropy, PZS, and brittleness factor (combination of Young's modulus and Poisson's ratio). Screening of these parameters helps identifying well candidates and treatment strategies to avoid both insufficient fracture complexity and excessive fracture complexity, where higher-than-anticipated treatment pressures are observed as an evidence of shear fractures being filled with treatment fluid, causing an additional component of stress that must be opposed by treatment fluid, realizing that higher pressures are only a risk when they are higher than surface pressure constraints. This is the first attempt in pressure history-matching and screening for formation properties and treatment strategies for maximizing Out-Of-Sequence Pinpoint Fracturing benefits. The learnings from this multi-faceted study guide future successful designs of the Out-Of-Sequence Fracturing for completion optimization in unconventional and conventional reservoirs. Rendering a full-length interference effect is possible by conducting an optimized Out-Of-Sequence Fracturing in multiple wells (as part of large-scale field developments) to ensure optimizing the stress shadowing while reducing the risk of well bashing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,037
Tête enseignante GPT0,277
Écart entre enseignants0,240 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207