MétaCan
Menu
Retour à la cohorte
Enregistrement W2065651243 · doi:10.1115/ipc2010-31018

Field Validation of a Dynamic Model for an MFL ILI Tool in Gas Pipelines

2010· article· en· W2065651243 sur OpenAlexaffabout
K. K. Botros, H. Golshan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueWater Systems and Optimization
Établissements canadiensTransCanada (Canada)Nova Chemicals (Canada)
Organismes subventionnairesnon disponible
Mots-clésPiggingPipeline transportPipeline (software)CompressibilityMarine engineeringLine (geometry)EngineeringPressure dropSimulationMechanicsPetroleum engineeringGeologyMechanical engineeringAerospace engineeringPhysicsMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Movements of pigs in gas pipelines are subject to more stringent parameters than that in liquid pipelines, predominantly due to the compressibility of gas. This is accentuated when the pig has to negotiate an upward inclination in the section of the pipeline, where the gravity force due to its weight can compromise the driving pressure drop across it. On a downward slope, a pig can accelerate to a velocity higher than the maximum required for the proper operation the instrumentation (which is typically around 5 m/s). On the other hand, in-line inspection tools often face challenges at wall thickness transitions or bends. The ability to accurately predict the functional performance of pigs is vital in the design and operation of pipelines and their associated pigging programs. The present paper provides a general formulation for the motion of pigs in an inclined pipeline section, taking into account effects of gas properties, wall friction, by-pass flow for speed control, differential pressure across the pig, seal efficiency, and gap flows, among other parameters. Comparison between model prediction and actual data from pigging a 158 km NPS 18 gas pipeline on TransCanada’s pipeline system in Alberta, Canada is presented. The elevation profile along this pipeline contains both positive (upward) and negative (downward) slopes. This is a lateral line which features 28 gas receipt points along the line, all were feeding in gas during the pigging program. Good agreement between model prediction and field data is demonstrated within ± 8% of St. Deviation. Example of a problem occurring at wall thickness transition at a valve section is demonstrated by a sudden stop of an MFL tool followed by a shootout at a higher velocity once the pressure is built up behind it.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,205

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,011
Tête enseignante GPT0,231
Écart entre enseignants0,220 · 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

Citations12
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetWater Systems and OptimizationTravaux en français237 207