Networked InField Compression for CSG field development
Notice bibliographique
Résumé
Driven by the LNG feed gas volume demand, recent large CSG field development in Queensland has been developed around large centralised compressor stations, designed and constructed on conventional gas project guidelines. Experience in the United States and Canada during more than four decades, however, has shown the best CSG reservoir performances and lifecycle costs are achieved with low capital cost, flexible infrastructure, and infield compression close to well heads. The Networked InField Compression System offers CSG producers significant advantages compared with centralised systems. The model comprises a grid network of well heads; low, intermediate, and high pressure pipelines; integral infield compressors, and booster compression stations. The model differs from traditional models in a number of ways. The majority of wellhead infrastructure and compression is relocated back in the field, reducing costs and inspection requirements. Low horsepower integral infield compressors are gas driven, pipeline losses are reduced and use 30–40% less BHP than screw compressors, and skid-mounted for simple and cost-effective relocation. Coiled high pressure, low diameter flexible piping is used, which requires a narrow right of way, few connections, and can be ploughed in multiple lines from up to 5–8 km per day, depending on soil conditions.In addition to 30–40% improvements in capital expenditure and installation time, the Networked InField Compression model offers 20–30% lower operating costs and 10–20% more gas from increased flow levels and/or extended well life. Further, environmental impact is decreased by 20–40%, as land use, CO2 emissions; crew sizes and peak water flow are significantly reduced compared with centralised systems.
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) | 0,000 | 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 | 0,000 |
| 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 ».