MétaCan
Menu
Retour à la cohorte
Enregistrement W2054012248 · doi:10.2118/150424-ms

Intelligent Field Management: Real Time Monitoring and Proactive Optimization of Greater Ekofisk Area

2012· article· en· W2054012248 sur OpenAlexaff
Amit Madahar, Alannah McIntosh, Ilnur Musatfin, Nick McAlonan

Notice bibliographique

RevueSPE Intelligent Energy International · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesConocoPhillips
Mots-clésSoftwareReal-time computingComputer scienceProduction (economics)Field (mathematics)Systems engineeringEngineeringReliability engineeringOperating system

Résumé

récupéré en direct d'OpenAlex

Abstract An online real-time production optimization and monitoring system for the Greater Ekofisk Area of Norway was installed in 2006. The system has evolved significantly since installation; changes driven by multi-disciplinary teams in coordination with the ConocoPhillips Production Optimization Centre (POC). The POC, Subsurface Production Delivery and Reservoir Optimization teams are tasked with assessing real time data from nominally 160 active producers and injectors in order to minimize losses and thereby maximize field production. This online system integrates data from the complete production system: reservoir to export meters. The system realises the importance of visualisation with respect to monitoring field performance, streamlined decisions, and reduced man hours mining data and analysis. The system allows real time monitoring of all wells and associated instrumentation parameters along with field three phase production allocated to the well level. The system alerts an engineer's attention when a well's performance is outside predefined tolerances thereby enabling continuous optimization of the combined field network. This paper demonstrates how the online system addresses the following challenges: Real-time monitoring of separator loadings, production/injection well performance Daily production/injection volume losses allocation Quick screening and allocation issues Generation of updated well models with the latest well test data for further analysis (nodal analysis, lift performance analysis) Generation of updated network models for what-if studies The tool has an open architecture that allows information to be shared with other software packages. It is also capable of controlling and using results from other software that have open access. The tool is used daily by the POC to review the overall performance of the Greater Ekofisk Area.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil0,653

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 Opus0,020
Tête enseignante GPT0,264
Écart entre enseignants0,244 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Intelligent Energy InternationalMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207