MétaCan
Menu
Retour à la cohorte
Enregistrement W2586269107 · doi:10.2118/185005-ms

A Practical Approach to the Use and Design of Flow Control Devices in SAGD

2017· article· en· W2586269107 sur OpenAlexaffabout
Marty Lastiwka, C. Bailey, Bruce James, Da Zhu

Notice bibliographique

RevueSPE Canada Heavy Oil Technical Conference · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensSuncor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésSteam-assisted gravity drainageSteam injectionPetroleum engineeringOil fieldEnvironmental scienceCompletion (oil and gas wells)EngineeringAsphaltProcess engineeringOil sandsMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract Over the past few years, an increasing number of operators in steam assisted gravity drainage (SAGD) in situ recovery of bitumen in the Alberta Oil Sands are becoming interested in the use of flow control devices (FCDs). Initial field trials by some operators of these devices have shown promise in improving steam chamber conformance, reducing incidences of steam breakthrough, high vapour production, and in addressing liner reliability concerns related to steam jetting. While the application of FCDs is well-established in the conventional oil and gas industry to control gas and water coning, there are still a number of questions on how to implement FCDs optimally in SAGD. One major difference in the application of FCDs in SAGD compared to the conventional oil and gas industry is the high temperature environment with steam and elevated erosion risk. The purpose of this paper is to present some practical considerations for the selection of FCDs and optimal completion FCD design for SAGD applications. In the first section, a discussion is presented on how to compare the performance of different flow control devices. Most devices have not been tested for SAGD, and there is a need for more comprehensive testing. The focus of the second section is on practical considerations for the installation of FCDs in a SAGD injection and production wells.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,105
Tête enseignante GPT0,307
Écart entre enseignants0,202 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Canada Heavy Oil Technical ConferenceMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207