Weight Loss Corrosion with H2S: Using past Operations for Designing Future Facilities
Notice bibliographique
Résumé
Abstract Managing sour corrosion in oil and gas fields has successfully been accomplished for years with carbon steel. This solution still remains the most cost effective option for most sour projects because of the high cost of corrosion resistant alloys (CRAs) able to resist severe sour conditions. The use of CRAs may nevertheless be preferable when high flow rates/ high velocities are expected or for offshore conditions where continuous inhibition is not practical because of its operational constraints. CRA is also of interest for wet gas processes downstream of the gas-liquid separation. Sulfur deposition is one of the major corrosion contributors in gas wells likely to produce such sulfur, particularly when combined with chloride ions. However, managing sulfur with carbon steel is quite well understood and adequate mitigation methods are available. Oxygen ingress also contributes to aggressive corrosion conditions.. Particular care must be given for preventing such ingress, either from drilling fluids, completion fluids or from low pressure process equipment. Weight loss corrosion is usually lower in sour conditions than in purely sweet ones although some conditions may lead to severe localized attacks, which parameters are not yet fully identified. Whether corrosion is high or low is very dependent on flow velocities and water-cut, low flow velocities being particularly favorable to corrosion. No clear mechanism is yet available that may explain how these factors influence this corrosion, considering other identified factors such as the water salinity, H2S / CO2 ratio, pH, solids (iron sulfides, elemental sulfur) and temperature. There is a need for further detailed mechanistic studies about these inter-related factors. Until key phenomena and mechanisms are better understood, extensive field experience remains the best way to provide an accurate prediction and sound design basis. This paper is aimed at sharing such experience and at providing relevant design basis from it.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».