MétaCan
Menu
Retour à la cohorte
Enregistrement W2025661756 · doi:10.2118/84470-ms

Use of Downhole Permanent Pressure Gauge Data to Diagnose Production Problems in a North Sea Horizontal Well

2003· article· en· W2025661756 sur OpenAlexaff
A. C. Gringarten, Thomas von Schroeter, Trond Rolfsvaag, John Bruner

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringPressure measurementProduction (economics)Reliability (semiconductor)Environmental scienceProductivityDeconvolutionRain gaugeGeologyMarine engineeringMeteorologyComputer scienceEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Abstract Permanent downhole pressure gauges are increasingly being installed in new wells in the North Sea and in other new developments around the world. Their reliability has greatly improved and they now can operate for several years. They provide a record of everything that is happening to the well and, in the long term, they will replace production tests for well and reservoir monitoring. The main difference with production tests, however, is that rate variations are not controlled, which can make the interpretation difficult. The paper illustrates how the availability of three years' worth of pressure data from a permanent downhole pressure gauge was key to understanding and explaining a tenfold loss of productivity in a North Sea horizontal gas well. Four million pressure measurements were processed and analyzed both in the conventional way, one flow period at a time, and by deconvolution, using increasing durations of pressure records from the start of production. Interpretation identified progressive changes in gas relative permeability followed by decreases in the well length, suggesting water invasion of the well zone. This points out to the need for continuous monitoring of the interpretation of permanent gauge data, which is possible by deconvolution, to identify changes in well-reservoir behavior as soon as they occur and thus avoid potentially irreversible productivity problems.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,547
Score d'incertitude au seuil0,481

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 Opus0,034
Tête enseignante GPT0,248
Écart entre enseignants0,213 · 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.

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

Citations42
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207