Production and Video Logging in Horizontal Low-Permeability Gas Wells
Notice bibliographique
Résumé
Abstract The intention of this paper is to discuss and recommend effective production logging techniques for low rate horizontal gas wells. Between June 2005 and September 2006, a total of eight wells were evaluated using either traditional production logging (PL) tools or downhole video logging tools. Pressure, temperature, nuclear fluid density, single capacitance, capacitance array, fullbore spinner, caliper, and gamma-ray data were retrieved by production logging methods. Video logging collected thousands of wellbore images as well as pressure and temperature information. A significant issue in logging horizontal wells is the method of delivering tools into the well. Tubing diameter, open hole diameter, horizontal length, horizontal trajectory and the desired results all influence the selection of conveyance method. The methods used in this study were CoRod, coiled tubing (CT) and wireline tractor. The production logging data indicated liquid accumulations however the different logging tools showed varying degrees of detail. As an example, the capacitance array tool tended to show liquid with gas pockets while the radioactive density tool and spinner tool indicated 100% liquid. Video logging data provided definitive images of gas bubbles and slugs flowing through liquid. The objectives of a logging program will dictate either a qualitative or quantitative evaluation. Video logging is an excellent technique to use as a general overview when initially investigating openhole sections. It can provide insight on complex production problems that never would be suspected or detected using traditional production logging methods.
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 | 0,001 | 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 ».