Numerical Simulation of Wellbore Dynamics During Underbalanced Perforation
Notice bibliographique
Résumé
Abstract The main objective of perforating is to connect the wellbore to the reservoir zone by creating tunnels through casing and damaged zone into the undamaged rock. The process of detonating perforation charges generally causes damage due to crushed rock material around the perforation tunnels. There are different methods used to mitigate damage due to perforation, such as static and dynamic underbalanced perforation. In static underbalanced perforation, conventional high shot density perforating guns are run in underbalanced conditions in order to have clean-up after perforation. In dynamic underbalanced perforation, a specific gun design associated with gun puncher charges provides dynamic underbalanced conditions across the perforated interval immediately following charge detonation in order to efficiently clean up each single perforation tunnel from crashed rocks and debris. Using deep penetrating charges followed by a dynamic underbalanced can improve well productivity since it mitigates the damage related to perforation. Dynamic underbalanced perforation removes the crushed rocks and debris from the tunnels using a sudden pressure drawdown across the perforated interval immediately after detonating the charges. This study is intended to numerically simulate the dynamic underbalanced conditions after perforation in order to have a better understanding about the phenomenon during perforation process as well as perforation cleanup. The effect of wellbore fluid type on dynamic underbalanced behavior has been simulated to investigate efficiency of dynamic underbalanced in different wellbore conditions, and also three field examples are also shown to verify the simulation results.
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 ».