Case Study: Integrated Strategy Solves Well Test Issues in Deep-Water and Heavy-Oil Environments
Notice bibliographique
Résumé
Abstract As the operator, CNOOC completed drilling two exploratory wells in a deep-water field of the Republic of Congo from May to November of 2013, in 600 m of water depth. Indications of oil and gas- heavy oil layer, gas layer and thin oil layer were found in the E-1 well according to logging data analysis. There are many challenges for the operator and service companies to perform the appraisal of this heavy oil reserve in a deep-water offshore environment, such as operational cost control, low temperature near the seafloor/mud line, heavy oil flow assurance, sand control, etc. In order for the well test to be effective, all the above issues must be fully understood and methodology employed that will reduce the chance that operational risks will occur. This paper presents an integrated well test program of the E-1 well developed and implemented for reservoir characterization and formation evaluation in the Congo basin. The program used a combination of various formation evaluation techniques such as wire wrapped screen sand control, PCP with electric heating rod and insulation tubing, hydrate prevention, emergency response in complex condition. The integrated well test program was designed and modified to meet the project delivery timeline and cost constraints, while responding to the challenge of properly testing the oil/gas reservoirs. This paper also gives the data analysis results and summarizes the encountered problems and learned lessons from field operations. The treatment practices and gained experiences from the field operation presented here provide valuable guidance for future deep-water heavy oil exploration and development operations.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».