A Systematic Approach to Modeling Condensate Liquid Dropout in Britannia Reservoir
Notice bibliographique
Résumé
Abstract Britannia field is a gas-condensate reservoir in the central North Sea, and has been producing since 1998. Condensate accumulation near the wellbore continuously impairs well productivity during the first year of production, as wellbore pressure drops below dew point, before stabilising where further well performance deterioration becomes negligible. The magnitude of the initial productivity loss averages 50-60%. Using several Britannia field well examples, this paper presents a comprehensive and systematic production data analysis approach to modeling well productivity deterioration due to condensate accumulation. Production performance of Britannia wells is monitored by routine bottom-hole and wellhead back-pressure curves constructed using separator well test data. Permeability levels within the Britannia reservoir zones are high enough that the wells reach pseudo steady state (pss) flow within about a month. The well performance signature (shape of back-pressure curves) is characterised by performance points moving quickly to the left from the pss line, as condensate accumulates around the wellbore and reduces well deliverability. The workflow described in this paper uses the slope of the back-pressure curve of the late-time performance in order to provide estimates of kh, mechanical skin and non-Darcy flow coefficient. Effective permeability to gas (krgk) in the transient or stabilised deliverability equation is adjusted to match separator test points for estimating condensate blockage as a function of producing time. Reservoir simulation sector models are used to convert gas-relative permeability versus time relationships to gas-relative permeability versus saturation relationships. Pressure transient analysis, production data analysis type curves and the flowing material balance method are collectively utilised to fine-tune the initial estimates of kh and skin used in the deliverability equation. Back-pressure curves are routinely used to identify wells for workover to improve well productivity, and candidates for capillary string installation or to evaluate benefits of additional field-wide compression.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».