MétaCan
Menu
Retour à la cohorte
Enregistrement W2047738445 · doi:10.2118/165668-ms

Technical Challenges and Learnings from a High Temperature Metallic Progressing Cavity Pump Test

2013· article· en· W2047738445 sur OpenAlexaff
Shauna Noonan, Danit Langer, W. Klaczek, Calvin C. K. Yip

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueOil and Gas Production Techniques
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesConocoPhillips
Mots-clésArtificial liftCasingProgressive cavity pumpEngineeringMechanical engineeringStatorPetroleum engineeringRotor (electric)TorqueVibrationLift (data mining)Computer scienceHydraulic pump

Résumé

récupéré en direct d'OpenAlex

Abstract Metal-to-metal Progressing Cavity Pump (M PCP) technology has become an effective lifting method for challenging thermal conditions, such as for Steam Assisted Gravity Drainage (SAGD) production. This paper summarizes some of the technical challenges and key learnings following a unique high temperature test on an M PCP system developed by National Oilwell Varco (NOV), which was conducted in a high temperature flow loop at C-FER Technologies. This M PCP pumping system was evaluated by ConocoPhillips as part of their High Temperature Artificial Lift Validation program, the objective of which has been to test the performance of multiple forms of AL under SAGD-like conditions while at high fluid temperatures of 250°C (482°F). In addition to an evaluation of the M PCP system (i.e. including an assessment of the break-in period, levels of downhole vibration, rod torque, etc.) this program was unique in that it also assessed the performance of the same metallic PCP stator using two different PCP rotors, to mimic a rotor-swapping operation. Some of the challenges encountered during this test program including issues with the downhole completion, high levels of downhole vibration, and significant casing and tag-bar wear. This paper will summarize some of the technical challenges and lessons learned, in addition to sharing some of the key pump performance results for this unique M PCP test program.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,009
Tête enseignante GPT0,203
Écart entre enseignants0,194 · 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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOil and Gas Production TechniquesTravaux en français237 207