Performance evaluation of <scp>SDAGM</scp> ‐coated microproppants in hydraulic fracturing using the lattice <scp>Boltzmann</scp> method
Notice bibliographique
Résumé
Abstract Hydraulic fracturing has become a standard stimulation technology to enhance hydrocarbon production in unconventional reservoirs in recent decades. During organic‐rich tight carbonate reservoir stimulation, extensive microfractures will be created and pre‐existing microfractures will be opened in the far‐field during hydraulic fracturing, but they tend to close after the release of hydraulic pressure due to the larger sizes of the conventional proppants not fitting into the microfractures. The well productivity will be further enhanced if these microfractures can be held open during production, like the primary hydraulic fractures supported by proppants. Based on this idea, industry has introduced microproppants into the pad or pre‐pad fluid so that they can be placed into opened microfractures during hydraulic fracturing. In this work, we propose further enhancing the stimulation efficiency by introducing solid delayed acid generating materials (SDAGM)‐coated microproppants into the stimulation for the dual function of keeping microfractures open, and, through subsequent reactions of the coating materials with the carbonate formation, creating extra void space inside the microfractures. To prove this concept and help select the appropriate microproppant coating plan, lattice Boltzmann simulation is performed to measure the hydraulic conductivity of the stimulated microfractures under different scenarios that represent corresponding stimulation treatment schemes. The simulations showed that fracture conductivity of the microfractures can be significantly improved by placing SDAGM‐coated microproppant into them. Using the mixed uncoated and SDAGM‐coated microproppants (Scheme II) may have better fracture conductivity improvement than using the coated microproppant alone (Scheme I).
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 ».