MétaCan
Menu
Retour à la cohorte
Enregistrement W2010252985 · doi:10.2118/170595-pa

Feasibility and Evaluation of Surfactants and Gas Lift in Combination as a Severe-Slugging-Suppression Method

2015· article· en· W2010252985 sur OpenAlexaff
Cem Sarica, Yuan Ge, Wei Shang, Eduardo Pereyra, Gene Kouba

Notice bibliographique

RevueOil and Gas Facilities · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésSluggingGas liftPulmonary surfactantLift (data mining)Petroleum engineeringMaterials scienceVolumetric flow rateMechanicsChromatographyEnvironmental scienceChemistryFlow (mathematics)GeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Summary An experimental study of severe-slugging suppression by use of a combination of surfactants and gas lift was conducted with a facility comprising a 3-in.-inner-diameter, 65-ft-long, -3°-inclined flowline, followed by a 45-ft-long vertical-riser system. Air and water were used as fluids. The surfactant used was a foaming agent capable of forming stable foams in all brines for a wide range of pH values. Pressure behavior in the flowline/riser system was monitored, and input-gas-, injection-gas-, liquid-, and surfactant-flow rates were measured continuously. In addition, visual observations were made to identify severe slugging. Effects of the proposed method were quantified with a modified elimination performance index (MEPI) that considered not only pressure fluctuations, but also backpressure effects. Thirty tests were conducted. The data were analyzed for the severe-slugging suppression of the combination of surfactant and gas lift, the effect of gas lift on surfactant injection, and the effect of the surfactant on the reduction of the gas lift gas. The combination technique with the highest gas lift rate completely eliminated the severe slugging for all tests conducted. Surfactants were able to suppress severe slugging for most of the cases. The performance of the ’only-surfactant injection case’ increases as the gas/liquid ratio increases. For all of the tests, backpressure reduction was observed. The MEPI is used as the main parameter to assess the performance of the severe-slugging-suppression methods. Gas lift not only contributes to density reduction through volumetric increase of gas in the riser, but it also reduces the mixture density by promoting more foam generation. There were reductions in the gas lift rate from the original maximum gas lift injection rate for all the tests conducted with surfactant injection.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,040
Tête enseignante GPT0,285
Écart entre enseignants0,245 · 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'étudeExpérimental (laboratoire)
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

Citations12
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOil and Gas FacilitiesMême sujetFluid Dynamics and MixingTravaux en français237 207