MétaCan
Menu
Retour à la cohorte
Enregistrement W1993144683 · doi:10.2118/111790-ms

Modeling Flow Profile Using Distributed Temperature Sensor DTS System

2008· article· en· W1993144683 sur OpenAlexaff
X. Wang, J. Lee, Bruce Thigpen, Guy Vachon, Stephen H. Poland, D. Norton

Notice bibliographique

RevueIntelligent Energy Conference and Exhibition · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésJoule–Thomson effectProfiling (computer programming)Computer scienceGeothermal gradientFluid dynamicsPetroleum engineeringSimulationMechanicsEngineeringGeologyGeophysics

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,040
Tête enseignante GPT0,247
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), 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

Citations65
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntelligent Energy Conference and ExhibitionMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207