Fibre Optic Sensing For Improved Wellbore Production Surveillance
Notice bibliographique
Résumé
Abstract Since our previous publication1 significant progress has been made to further mature the application of Fiber-Optic (FO) based Distributed Acoustic Sensing (DAS) for production and injection profiling. A considerable number of new field surveys were conducted to further improve the evaluation algorithms or workflows which convert the DAS noise recordings into flowrates from individual zones. For gas producing wells, a new graphical user-interface has been developed that allows the user to visualize and QC the data in real time. Additional flow and visualization software have been developed for single phase gas producers to enable the user to select and evaluate the data in a user-friendly manner using the most up-to-date evaluation algorithms. There are still improvements to be made in enabling Distributed Sensing infrastructure, such as handling and evaluation of very large data volumes, seamless FO data transfer, the robustness & cost of the FO system installation, and the overall integration of FO surveillance into traditional workflows. It will take some time before all these issues are addressed but we believe that FO based applications will play a key role in future well and reservoir surveillance. In this paper we present two recent examples of single-phase flow profiling using DAS. The first example is from a single-phase gas producer in one of the Unconventional plays in North America and the second example is from a long horizontal, smart polymer injector operated by Petroleum Development Oman (PDO). Introduction In oil and gas field development there is often a lack of high quality Well and Reservoir Surveillance (WRS) data for quality decision making; leaving significant reservoir or well performance uncertainties potentially leading to suboptimal reservoir development. The need for frequent and good quality surveillance data is highest in complex reservoir developments such as Unconventional plays, waterflooded reservoirs, Thermal and Chemical Enhanced Oil Recovery (EOR) projects. One of the reasons that well surveillance data is not acquired in practice is that it often causes significant production deferment. Another reason is that often the data gathering surveys are expensive or create large operational risks associated when using conventional logging methods, particularly in high rate, highly deviated or long horizontal producer wells. In some cases, the small diameter production tubing limits access to the well with conventional logging tools.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».