Laboratory Testing and Well Productivity Assessment of Drill-in-Fluid Systems in Order To Determine the Optimum Mud System for Alaskan Heavy-Oil Multilateral Field Developments
Notice bibliographique
Résumé
Abstract The North Slope of Alaska has billions of barrels of heavy original oil in place (OOIP) residing in largely undeveloped reservoirs. Despite this large volume of heavy oil in place, the majority of reserves development on the slope to date has been focused on light crude. However over the past few years, operators have begun to develop the North Slope's vast heavy oil resource base. Recently, an optimum drill-in-fluid/formation damage minimization study was undertaken by ConocoPhillips, BP, and its partners in order to determine the optimum reservoir drilling fluid for the heavy oil sands in order to maximize well productivity and project value. This paper will provide an in-depth look at the drilling fluid design, laboratory testing, and productivity analysis associated with determining the optimum reservoir drill in fluid (RDF) for the West Sak, horizontal, multi-lateral, extended reach, field development. Lab test results to be reviewed will include: Crude Compatibility Lubricity (steel to steel & rock to steel) Shale Stability General Rheology Mud Filtrate invasion tests with core to determine Return Perm Filtercake Removal tests w/ceramic disk tests to determine return permeability and removal effectiveness With the lab test results, well productivity calculations will illustrate why an oil based mud (OBM) was determined to be the optimum drill-in-fluid for West Sak. Lab tests and inflow performance modeling show injectivity and productivity improvements associated with reducing water based filtrate invasion and permeability reduction due to water and ineffective filtercake removal. Results show that the overall process of integrating the drill-in-fluid, completion design, inflow performance modeling, and operations procedures should be considered a best practice and an example of how an integrated study ultimately provides a field development with the best project value. Using the current field development economic model, this process added reserves, improved project NPV & IRR and maximized project economics
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 | 0,000 |
| 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 ».