Novel Deliverability Test Method for HPHT Sour Gas Wells
Notice bibliographique
Résumé
Abstract Sour gas reservoirs with H2S and/or CO2are widely spread in the whole world, especially in France, Canada, America and China. Most of sour gas reservoirs in China are HPHT tight gas reservoirs which require long testing duration to reach steady state when conducting deliverability test while long testing time leads to huge operation risk because testing tools are used close to critical temperature and pressure condition. In order to resolve the contradiction among testing duration, operation risk and interpretation results' accuracy, a new deliverability test method is proposed by using pressure buildup transient data. The deliverability calculation model is built by integrating wellbore fluid flow and formation seepage considering fluid flow from formation to wellbore after well shut-in. The formation parameters are interpreted by one pressure buildup transient data, based on which, four daily production rates are designed to simulate the wellbore flow pressure until the well reaches steady state flow, and then the deliverability equation can be derived from the pressure & daily rate points under steady state flow. Filed case comparison is made between interpretation of actual test data and data from the new method. Results show that the new deliverability test method can get more accurate deliverability equation and AOF by only 1 time pressure buildup and greatly reduces the duration for testing, so it is very practicable because it can greatly decrease the operation risk and increase interpretation accuracy for HPHT sour gas reserviors. This new deliverability test method has wide application prospect in HPHT sour gas reservoirs and can be extended to other oil/gas reservoirs' application for quick AOF determination, rate allocation, and economic evaluation.
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 | 0,001 | 0,001 |
| 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 ».