MétaCan
Menu
Retour à la cohorte
Enregistrement W2035272326 · doi:10.2118/159170-pa

A Basis for Automated Control of Steam Trap Subcool in SAGD

2012· article· en· W2035272326 sur OpenAlexafffund
Dharmeshkumar R. Gotawala, Ian D. Gates

Notice bibliographique

RevueSPE Journal · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensUniversity of Calgary
Organismes subventionnairesShell Canada
Mots-clésSteam-assisted gravity drainageSteam injectionTrap (plumbing)Petroleum engineeringController (irrigation)ThermalEngineeringOil sandsEnvironmental engineeringMaterials scienceThermodynamics

Résumé

récupéré en direct d'OpenAlex

Summary Full steam conformance along the well pair of the steam-assisted gravity-drainage (SAGD) oil-sands-recovery process is essential for high thermal efficiency. Conformance can be improved by controlling injection and production strategies to ensure that steam is delivered to target regions in the reservoir. Smart wells use interval-control valves (ICVs) that, conceptually, can be dynamically controlled to yield uniform steam injectivity along the well pair. Dynamic control algorithms, such as proportional-integral-derivative (PID) control and their associated controller parameters, have not yet been developed for the SAGD processes that use ICVs. One control strategy would be to control the interwell subcool temperature difference—that is, the difference between the steam-injection temperature and the produced-fluids temperature. If this temperature difference is small, then the liquid pool above the production well is small and there is a likelihood of live steam production from the chamber. On the other hand, if the difference is large, the pool may rise above the injection well and gravity drainage is hindered because the chamber is largely filled with liquid. Here, the focus is on developing a simple, approximate theory for the behavior of the liquid pool at the base of the steam chamber to determine the ranges of values of control parameters to achieve a targeted interwell subcool temperature difference.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,020
Tête enseignante GPT0,292
Écart entre enseignants0,272 · 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'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

Citations35
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207