Nanomaterial-Based Drilling Fluids for Exploitation of Unconventional Reservoirs: A Review
Notice bibliographique
Résumé
The world’s energy demand is steadily increasing where it has now become difficult for conventional hydrocarbon reservoir to meet levels of demand. Therefore, oil and gas companies are seeking novel ways to exploit and unlock the potential of unconventional resources. These resources include tight gas reservoirs, tight sandstone oil, oil and gas shales reservoirs, and high pressure high temperature (HPHT) wells. Drilling of HPHT wells and shale reservoirs has become more widespread in the global petroleum and natural gas industry. There is a current need to extend robust techniques beyond costly drilling and completion jobs, with the potential for exponential expansion. Drilling fluids and their additives are being customized in order to cater for HPHT well drilling issues. Certain conventional additives, e.g., filtrate loss additives, viscosifier additives, shale inhibitor, and shale stabilizer additives are not suitable in the HPHT environment, where they are consequently inappropriate for shale drilling. A better understanding of the selection of drilling fluids and additives for hydrocarbon water-sensitive reservoirs within HPHT environments can be achieved by identifying the challenges in conventional drilling fluids technology and their replacement with eco-friendly, cheaper, and multi-functional valuable products. In this regard, several laboratory-scale literatures have reported that nanomaterial has improved the properties of drilling fluids in the HPHT environment. This review critically evaluates nanomaterial utilization for improvement of rheological properties, filtrate loss, viscosity, and clay- and shale-inhibition at increasing temperature and pressures during the exploitation of hydrocarbons. The performance and potential of nanomaterials, which influence the nature of drilling fluid and its multi-benefits, is rarely reviewed in technical literature of water-based drilling fluid systems. Moreover, this review presented case studies of two HPHT fields and one HPHT basin, and compared their drilling fluid program for optimum selection of drilling fluid in HPHT environment.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».