MétaCan
Menu
Retour à la cohorte
Enregistrement W4282966173 · doi:10.2118/210560-pa

Estimating Reservoir Permeability and Fracture Surface Area Using the Flowback DFIT (DFIT-FBA)

2022· article· en· W4282966173 sur OpenAlexaff
D. Zeinabady, Christopher R. Clarkson, Farshad Tabasinejad, Mark McClure

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPermeability (electromagnetism)Hydraulic fracturingPetroleum engineeringGeologyFracture (geology)Reservoir simulationTight gasGeotechnical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Summary The main parameters of interest derived from a diagnostic fracture injection test (DFIT) are minimum in-situ stress, reservoir pressure, and permeability. The latter two can only be obtained uniquely from the transient reservoir responses, often requiring days to weeks of test time. The DFIT flowback analysis (DFIT-FBA) method, a sequence of pump-in/flowback (PIFB), is a fast alternative to the pump-in/falloff (conventional) DFIT for estimating minimum in-situ stress and reservoir pressure. Because the properties of the fracture are unknown, reservoir permeability cannot be estimated directly and therefore well productivity index (PI) has been reported in previous DFIT-FBA studies. The goal of the current study is to develop a methodology for estimating reservoir permeability and fracture properties from a DFIT-FBA test. In this study, a fully coupled hydraulic fracturing, reservoir, and wellbore simulator was used as a first step to identify critical mechanisms operating during the flowback period of a DFIT-FBA test. Subsequently, findings from the simulator were used to develop an analytical solution to estimate reservoir permeability, fracture surface area, open fracture stiffness, and contact pressure. The analytical model relies on a new rate-transient analysis (RTA) technique that accounts for the dynamic behavior of the fracture and changing leakoff rate during the before-closure period. The proposed approach was validated against a simulation case, and its practical application was demonstrated using a field example performed in a tight reservoir. The reservoir permeability and fracture surface area, derived from the analytical model at the contact point, agree within 2% of the simulation model input. The field example examined herein exhibited flow regimes similar to the simulation case, and fracture surface area, open fracture stiffness, contact pressure, minimum in-situ stress, reservoir pressure, and permeability were all obtained in a fraction of the time required by conventional DFITs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,031
Tête enseignante GPT0,278
Écart entre enseignants0,247 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Reservoir Evaluation & EngineeringMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207