MétaCan
Menu
Retour à la cohorte
Enregistrement W2001676515 · doi:10.2118/114798-ms

Increased Drilling Efficiency of Gas-Storage Wells Proven Using Drilling Simulator

2008· article· en· W2001676515 sur OpenAlexaffabout
G. Hareland, H. Motahhari, John P. Hayes, Asim Qureshi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensShell (Canada)
Organismes subventionnairesnon disponible
Mots-clésDrillingPetroleum engineeringDrilling engineeringMeasurement while drillingOffset (computer science)Natural gasWell drillingGeologyEngineeringMechanical engineeringComputer scienceWaste management

Résumé

récupéré en direct d'OpenAlex

Abstract Gas storage wells are being drilled in Nova Scotia, Canada for natural gas storage in underground rock and salt caverns. A study was performed to evaluate the efficiency of the drilling of these wells. Utilizing a drilling simulator where drilling operational or log data is required to generate a drillability log or apparent rock strength log (ARSL) offset gas storage wells in the area were analyzed. The sonic log data from the offset wells were utilized to calculate the ARSL and the formation information was obtained from strip logs. The actual drilling of the next gas storage well was then simulated and optimized using the commercially available drilling simulator. The optimization process proved that the potential for reducing drilling cost is more the 30 percent. This is a typical cost reduction that can be obtained utilizing drilling simulation on conventional wells in other areas of Canada were only a few offset wells have been drilled. The analysis proves that even with unconventional drilling like for gas storage well with larger hole sizes and the utilization of hole openers the cost reduction potential is the same as with conventional drilling. This paper presents the field data utilized and the results from the simulation study including the economical analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,236
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,191
Écart entre enseignants0,179 · 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 tête enseignante, pas un consensus.

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

Citations7
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDrilling and Well EngineeringTravaux en français237 207