Investigating the Effect of Capillary Pressure on DFIT and DFIT-FBA Analysis
Notice bibliographique
Résumé
Abstract The diagnostic fracture injection test (DFIT), and the new variation DFIT-FBA (FBA = flowback analysis), are well-testing methods performed before the main hydraulic fracturing operations to obtain several key parameters used in hydraulic fracture design and for reservoir simulation input. The classic (conventional) DFIT includes the sequence of pump-in, followed by a long shut-in (hours to days), while DFIT-FBA utilizes the sequence of pump-in, followed by a brief (minutes) shut-in, and then flowback to accelerate the time to reach closure and obtain reservoir pressure. While DFITs are still widely implemented, DFIT-FBA has the advantage that key properties can be derived in a matter of 2-3 hours versus (typically) more than a day for a conventional DFIT. The current models used to estimate reservoir parameters from DFIT and DFIT-FBA require calculating the fracturing fluid leakoff volume into the reservoir. While mechanisms affecting leakoff include viscous, capillary, and osmotic forces, current DFIT models only consider viscous forces. While the effect of the capillary pressure on fluid leakoff has been explored and confirmed by multiple researchers, it has not been incorporated into models and software for hydraulic fracture modelling or DFIT/DFIT-FBA analysis. An important question addressed in this work is whether the capillary pressure effect is significant over the short timeframe of the DFIT/DFIT-FBA test. Simulation results generated herein demonstrate that capillary pressure plays a significant role in the leakoff of hydraulic fracturing fluid into the reservoir during DFIT/DFIT-FBA tests; therefore, neglecting the effect of capillary pressure in the analyses can lead to substantial errors in reservoir parameter determination. Numerical simulation results also demonstrate that the presence of capillary forces accelerates leakoff and consequently the time of closure. For a simulated DFIT-FBA executed in an unconventional gas reservoir, approximately 25% of the total leakoff volume is attributable to capillary forces. Ignoring the effect of capillary pressure results in ~77% overestimation of reservoir permeability. Similarly, for a simulated DFIT case, this contribution is up to 26.5%, leading to ~77% overestimation of reservoir permeability. A sensitivity analysis performed herein underscores the significance of considering interfacial tension and contact angle, while reservoir permeability has a relative influence on the outcomes. Consequently, the early-time leakoff permeability estimated from DFIT/DFIT-FBA tests with current models is more precise for situations where there is reduced interfacial tension between the rock and fracturing fluid, and/or when the rock demonstrates mixed wettability.
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 | 0,000 | 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 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 ».