Simulator and the First Field Test Results of an Automated Early Kick Detection System That Uses Standpipe Pressure and Annular Discharge Pressure
Notice bibliographique
Résumé
Abstract A new automated method of detecting an influx or losses using standpipe pressure (SPP) and annular discharge pressure (ADP) has been tested while drilling a tight gas well in Canada with approximately 200 hours of operational time being logged. While tight gas reservoirs may seemingly pose a low well control risk, they are typically drilled underbalanced to increase the rate of penetration and to eliminate a casing string which is required when using a higher mud density in order to protect upper formations due to low kick margin tolerance. The operator’s experience was that previous kicks went undetected until a significant volume had been produced due to the closed loop system having fluid retention without accurate flow measurement, resulting in slower pit volume measurement, extended well control time and requiring the casing to be set deep enough to protect the weaker formations from high shut-in pressures. Delta flow using flow meters has been in use for over 15 years for early kick detection (Haeusler et al 1995), however for tight gas drilling this method has not proven suitable due to cost, complexity and measurement disruption due to high gas fractions in the drilling fluid. A comparison of using a high resolution flow meter and pressure sensors prior to the field test will be discussed in addition to the field trial results. Benefits of using this new system, what was learned during the trial and improvements to the system will also be discussed along with how the system can be applied to Managed Pressure Drilling applications where the system is augmented using choke position and with conventional drilling applications.
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 | 0,001 |
| 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 ».