Quick Hydraulic Fracture Property Estimation Through Pressure Falloff Data During Fracturing Operations: A Deep-Shale Case Study from the Southern Sichuan Basin
Notice bibliographique
Résumé
Abstract Deep shale gas formations with a burial depth larger than 3500 m contain over 65% of the total shale gas reserves in the Southern Sichuan Basin. However, complex reservoir conditions, such as extensively developed natural fractures or faults and large horizontal principal stress differences, generate significant uncertainties in post-fracturing well performance. Quick estimation of hydraulic fracture properties, such as the fracture surface area and effective half-length, via pressure falloff data, after the main fracturing treatment offers a timely and improved understanding of stimulation efficiency and provides key information for post-frac well performance investigation. In this study, we comprehensively investigate fracture properties of different fractured stages, such as main fracture surface area, secondary fracture surface area, and effective main fracture half-length. Then, we analyze the correlation of these properties, productivity, pressure falloff data, and fracturing treatment parameters via a case study. Here, we employ the basic pressure-falloff-based approach of Liu et al. (2020) and further add the impact fracture tortuosity. First, collect high-quality pressure falloff data and generate the log-log diagnostic plot of pressure drop and the corresponding derivative for each stage. Then, generate the composite G-function plot for each stage and find the d(∆p)/dG value when the first closure of the hydraulic fracture occurs. Next, determine the pressure loss caused by the wellbore and near-wellbore fracture tortuosity and calculate the fracture tortuosity. Finally, calculate the main fracture and secondary fracture properties. Well A, a deep shale gas well in the Southern Sichuan Basin, is selected and analyzed. The effective main fracture half-length of well A ranges from 279 ft to 395 ft, depending on the operating and reservoir conditions. Compared with microseismic data, the average main fracture effective half-length is 54.7% of the observed average SRV half-length. The relative magnitude of pressure loss during the pressure falloff period caused by near-wellbore fracture tortuosity can roughly reflect the complexity of the created fracture system. A new fracture complexity evaluation concept is proposed based on the surface area values of main and secondary fractures. For fractured stages, the total pressure drop is positively correlated with the total fracture surface area of the fracture system and total injected fluid volume. The correlation between fracture surface area and gas productivity is weaker compared with that between fracture surface area and water productivity. Some discrepancies in specific stages are possibly caused by abnormal or poor-quality pressure falloff data. By combining other key information on field treatments, the understanding obtained from fracture surface area estimation helps to define changes in treatment design and enhance well productivity. This integrated approach can also serve as a simple but practical tool for estimating hydraulic fracture properties during offshore fracturing.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».