MétaCan
Menu
Retour à la cohorte
Enregistrement W2115249914 · doi:10.2118/108441-pa

An Investigation of PVT Effects on Geochemical Fingerprinting of Condensates From Gas Reservoirs

2009· article· en· W2115249914 sur OpenAlexfundno aff
Ali Al-Meshari, Sunil Kokal, Peter D. Jenden, Henry I. Halpern

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Calgary
Mots-clésSeparator (oil production)Petroleum engineeringDry gasDew pointPressure dropGeologyChemistryChromatographyMechanicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Summary One of the tools used for the characterization of gas reservoirs is the geochemistry of gas condensates. The fingerprinting of gas condensates by gas chromatography, in particular, may provide information regarding reservoir compartmentalization, which can be a major uncertainty at the early-field-appraisal stage. An important concern is the capture of suitable liquid samples. When the flowing bottomhole pressure falls below the dewpoint pressure, for example, condensate will drop out near the wellbore and the captured sample may not be representative of the formation fluid. We conducted two sets of tests simulating the effect(s) of gas-/ liquid-phase fractionation on fingerprinting analyses: (1) at different pressures (all below the dewpoint) at reservoir temperature (RT) region in order to simulate dropout of liquids in the near-wellbore area and (2) to investigate the effect of variations in separator temperature and pressure. Geochemical fingerprints obtained on our laboratory-fractionated samples show that condensates obtained from gas wells with flowing bottomhole pressures below dewpoint may not be suitable for compartmentalization studies. Differences in separator pressure and temperature affect the fingerprints of gas condensates, but the effects are small and unlikely to alter conclusions regarding potential fluid-flow barriers. We suggest a number of best practices for the collection and analysis of gas condensates for fingerprinting studies.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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)0,0020,000

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 Opus0,018
Tête enseignante GPT0,261
Écart entre enseignants0,243 · 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'étudeObservationnel
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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Reservoir Evaluation & EngineeringMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207