MétaCan
Menu
Retour à la cohorte
Enregistrement W1968301047 · doi:10.2118/136978-ms

Application of Fiber Bragg Grating Sensor Networks in Oil Wells

2010· article· en· W1968301047 sur OpenAlexaff
Yue Pan, Zhangxin Chen, Lizhi Xiao, Yanzhen Zhang, Jian Fu

Notice bibliographique

RevueNigeria Annual International Conference and Exhibition · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésWellheadFiber Bragg gratingData acquisitionDemodulationTransmission (telecommunications)General Packet Radio ServicePressure measurementTemperature measurementWireless sensor networkComputer scienceOptical fiberElectronic engineeringWirelessElectrical engineeringEngineeringTelecommunicationsPetroleum engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract As the fiber Bragg grating (FBG) sensors, with a high credibility, high temperature resistance, corrosion-resistant, and anti-electromagnetic interference, are suitable for working in a harsh environment of oil and gas wells, we develop a FBG wireless sensor network to monitor the temperature and pressure of the reservoir formation. A data acquisition module is set up at wellhead to demodulate the analog signals into digital signals. Another data transmission module installed at wellhead can send data from the data acquisiton module through a RS-232 interface to dadabase by a GPRS wireless mobile communication network. The user can browse the real-time published data through internet. We build an experimental apparatus to simulate high temperature and high pressure of the downhole environment. We put a FBG sensor into the apparatus, increase the temperature and pressure gradually, and then reduce them back. The data acquisition module and data transmission module succeeded in their roles. In addition, we determined the extremes of the FBG sensor on temperature and pressure. Through repeating the above operation a couple of times, we obtained a satisfactory match between the input values and measured values. Our system can measure the deferent depth temperature and pressure of the formation in real time. It has many properties: responsivity, accuracy, a high speed transmission rate, and a low bit error rate. In addition, it can work for 24 hours and 7 days a week in all weather. To real-time monitor the temperature and pressure of the formation, the system can provide more reliable bases to engineers to predict and solve production problems. It has important practical significance particularly for outlying remote areas and offshore oil production. The application of this technology will effectively reduce the production of human errors and labor costs. Moreover, it will benefit the statistical analysis of massive data that require a unified management and sharing.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,845
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,240
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNigeria Annual International Conference and ExhibitionMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207