MétaCan
Menu
Retour à la cohorte
Enregistrement W2560392426 · doi:10.2118/184101-ms

Novel Benchmark and Analogue Method to Evaluate Heavy Oil Projects

2016· article· en· W2560392426 sur OpenAlexaboutno aff
Limin Jia, A Hamling John, Naveen Kumar, R.. Bialas, Tony Lanson, Xiaodong Jing

Notice bibliographique

RevueSPE Heavy Oil Conference and Exhibition · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingBenchmark (surveying)Ranking (information retrieval)QuartilePetroleum engineeringEnvironmental scienceComputer sciencePerformance indicatorCivil engineeringEngineeringBusinessStatisticsMathematicsGeologyMachine learning

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents a benchmarking strategy specific to heavy oil projects using thermal recovery methods. We use the new approach to benchmark heavy oil development projects and identify gaps in performance and suggest measures to close those gaps. Typical benchmarking studies for development projects compare Reservoir Complexity Index (RCI) against Estimated Ultimate Recovery (EUR) to evaluate the performance of the projects. Shell developed a proprietary top-quartile expected ultimate recovery (TQ EUR) tool to compare fields in primary recovery and water flood. For this study, a new method was developed to calculate the RCI for heavy oil projects. Complexity Attributes and ranking criteria were developed based on key parameters influencing thermal recovery performance. This method was used to evaluate 20 heavy oil projects worldwide. Once RCI is calculated for each project, the reservoir performance and environmental footprint were plotted against RCI to identify the top quartile fields. Oil steam ratio (OSR), EUR, and CO2 intensity were the reservoir and environmental performance metrics considered in this study. The data collected for the benchmark study included reservoir and fluid properties, reservoir geology, well operation and field development, and field performance metrics. The data sources included Energy Resources Conservation Board (ERCB), Canadian Oil and Gas Companies (Canoils), The Society of Petroleum Engineers (SPE) publications, Shell's Top Quartile Estimated Ultimate Recovery (TQ EUR) Tool and Shell's tool of recovery efficiency prediction in prospect appraisal (SWEEP). A heavy oil development project was benchmarked using the new approach to identify the gaps to top quartile performance and provide guidance and measures to close those gaps. A novel RCI framework has been developed specifically for Thermal Recovery Projects in Heavy Oil. Project benchmarking data and comparison methodology shown here can be extended to any other producing area in the world.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,799
Score d'incertitude au seuil0,681

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,048
Tête enseignante GPT0,309
Écart entre enseignants0,262 · 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 tête enseignante, 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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference and ExhibitionMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207