MétaCan
Menu
Retour à la cohorte
Enregistrement W3094171037 · doi:10.2118/201734-ms

One Stage Forward or Two Stages Back, What are We Treating? Identification of Internal Casing Erosion During Hydraulic Fracturing - A Montney Case Study Using Ultrasonic and Fiber-Optic Diagnostics

2020· article· en· W3094171037 sur OpenAlexaff
M. D. White, Kyle Friehauf, Dave Cramer, Jesse Constantine, Junjing Zhang, Scott Schmidt, J.W. Long, Paul Mislan, Jeff Spencer, Peter Meier, E. R. Davis

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésCasingCompletion (oil and gas wells)PerforationHydraulic fracturingSpark plugGeologyPetroleum engineeringStage (stratigraphy)Optical fiberGeotechnical engineeringEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Plug-and-perf multi-stage hydraulic fracturing completions in unconventional reservoirs rely upon complete hydraulic isolation from the previous stage to ensure effective treatment of the active stage. Failure to isolate stages can be a result of partially set plugs, plugs set in wellbore debris or deformed casing, unqualified pressure/temperature rating of plugs, etc. This paper presents a case study with field examples where unexpected casing erosion occurred at the setting depths of the dissolvable frac plugs during hydraulic fracturing and subsequently resulted in loss of inter-stage isolation. A 12-well, 4-layer, cube pilot was designed with permanent fiber optic cable to collect Distributed Acoustic Sensing (DAS), Distributed Temperature Sensing (DTS) and Distributed Strain Sensing (DSS) data as well as downhole pressure gauges for development insight and future completion optimization. The cable was mapped, and oriented perforation techniques placed entry holes opposite the fiber along the wellbore, and no loss of communication was observed during perforating operations. However, fiber optic signal was lost during hydraulic fracturing operations on one or more stages in all four instrumented horizontal wells. Real-time DAS/DTS analysis indicated the fiber breaks were consistently occurring below the lowermost perforation cluster in the stage, at or very near the frac plug setting depth. Step-down tests were also performed and showed significantly enlarged effective treating area. Based on this observation, post-frac downhole imaging tools were deployed to investigate potential casing and perforation erosion. Downhole imaging data clearly showed the casing was severely eroded at several locations. Additional interrogation of the damage with respect to plug design components indicated that damage always occurred near the plug sealing element. By integrating the analysis of DAS/DTS, step-down tests and ultrasonic imaging, it was determined that the frac plug bypass is creating a loss of casing integrity at the plug set location. Casing integrity loss resulted in multiple fiber optic cable breaks and lowered the ability to evenly distribute slurry into treatment clusters. Fiber optic data analysis showed that 50% of the larger OD dissolvable frac plugs had bypass compared to 100% bypass for the smaller OD high-expansion dissolvable plugs. To establish key patterns and identify critical variables that influence stimulation effectiveness, it is important to obtain several different diagnostic datasets and perform an integrated evaluation using all available information. This study also reinforces the need for operators and manufacturers to work together to design and qualify frac plugs against realistic downhole conditions, particularly in areas with potential casing deformation issues. Industry innovation is required to enable fracturing operations to continue through deformed casing. This includes advancing equipment, tools, and techniques for plug-and-perf and other multi-stage completion methods.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,002
Communication savante0,0030,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,033
Tête enseignante GPT0,284
Écart entre enseignants0,251 · 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'étudeÉtude de cas
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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207