Modeling Flow Profile Using Distributed Temperature Sensor DTS System
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 Distributed Temperature Sensing (DTS) technology uses fiber-optic cable to measure continuous temperature profile along the wellbore. Measurement interpretation can provide valuable information, and one of them is real time flow profiling that helps to monitor the fluid flow in wells. This valuable information can assist real time production decision with no well intervention. However, the complexity of the data analysis limits the use of DTS as a flow allocation technique. This paper presents a new flow-profiling model using DTS technology. The model is based on steady-state energy balance equation and it handles multiple production zones with its own zonal fluid properties. The model is applicable for gas and oil wells in onshore and offshore environment. The model is integrated into easy-to-use software and it can be run in two modes: forward simulation and flow profiling. The forward simulation calculates temperature distribution along the wellbore for any given production profile, and this mode is critical for the model calibration. It is also very useful for emulating what-if scenarios, like water breakthrough. The flow profiling estimates production profile based on measured temperatures, which is the base for the real time well monitoring. Our studies with the model show that geothermal profile, fluid properties, formation properties, well completion, and deviation as well as Joule-Thomson effect all play key roles for the model accuracy. Joule Thomson gas cooling effect only occurs at lower pressure while reversal appears at higher pressure region. The model is tested against synthetic, literature and field examples and good agreements have been obtained. Test results have been presented.
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 | 0,000 | 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 | 0,000 |
| 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