A Case Study: Profiling Gas Production in the Tubing/Casing Annulus, Using Noise/Temperature Logging Techniques
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract To reduce liquid loading on multizone unconventional gas wells, tubing can be run to a depth below the lowest perforation interval. Gas flows down the tubing/casing annulus and flows up the tubing, eliminating liquid buildup. For production surveillance, this wellbore configuration is not conducive to obtaining conventional production logs. Conventional production profiling techniques involve repositioning the tubing string or removing it altogether. If the tubing remains in place during logging, the costs associated with pulling the tubing are eliminated; production is not suspended; and the risks associated with well control are reduced. Also by not modifying the wellbore configuration, fluid velocities are not affected and the log results more closely represent the actual production profile. Ideally the well should be logged without manipulating the tubing to provide a representative production profile. Noise/temperature logging has been used for many years to assist in locating sources of fluid flow behind casing. The use of this technique to obtain a pseudo or qualitative production-flow profile in the tubing/casing annulus was explored to enable the tubing to remain in the wellbore and obtain a measurement of the flow behind pipe. In the 1970s, tests where conducted to quantify wellbore inflow using noise logs. The research was recently used to evaluate numerous wells in western Canada with favorable results. This paper discusses the logging method and presents comparisons to profiling results from conventional production-logging techniques with emphasis on the cost savings to the operator.
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.
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 | 0,000 |
| 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 découle