A New Low-Damage Drilling Fluid for Sandstone Reservoirs With Low-Permeability: Formulation, Evaluation, and Applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Drilling-induced formation damage is the key factor dominating the failure of the development of hydrocarbon reservoirs with low-permeability (i.e., tight formation). In this paper, a new low-damage drilling fluid was formulated, evaluated, and applied to well-drilling operations in a sandstone oil reservoir with low-permeability in the Shengli Oilfield, China. To formulate this low-damage drilling fluid, filter-cake forming agents were used to prevent fluid loss, inhibitors were used to enhance the shale inhibition of the fluid, surfactants were used to minimize water block, and inorganic salts were used to enhance compatibility. A holistic experimental approach combining micro-computed tomography (CT), scanning electron microscopy (SEM), Fourier transform-infrared spectroscopy (FT-IR), and X-ray diffraction (XRD) techniques was designed to identify the underlying interactions between new and conventional drilling fluids and rock samples as well as the corresponding damage mechanisms, demonstrating the significant mitigation effects of the newly formulated drilling fluid on formation damage, which mainly results from the hydration of clay minerals and the invasion of solid particles. The newly formulated low-damage drilling fluid then extended its applications to well-drilling operations with excellent performance. Not only can the new low-damage drilling fluid avoid non-fracturing stimulation, but also reduce the drilling operational costs and time, minimize the formation damage, and facilitate extending the reservoir life for a longer time.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 découle