MétaCan
Menu
Retour à la cohorte
Enregistrement W2785925192 · doi:10.2118/189538-ms

Chelate Based Acidizing Fluid Provides HSE Advantages in Successful North Sea Application

2018· article· en· W2785925192 sur OpenAlexaff
Auribel Dos Santos, Erica Ferri de Oliveira, T.. Stanitzek, A.. Hoq, A.. Doghmi

Notice bibliographique

RevueSPE International Conference and Exhibition on Formation Damage Control · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueOil and Gas Production Techniques
Établissements canadiensAkzoNobel (Canada)
Organismes subventionnairesnon disponible
Mots-clésCorrosionPerforationSeawaterNorth seaEnvironmental scienceEnvironmentally friendlyChelationWaste managementPulp and paper industryMaterials sciencePetroleum engineeringMetallurgyEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Matrix stimulation is commonly utilized to increase well productivity and it is a process in which fluid selection plays a key role in treatment success. However, in offshore fields, the acid formulation must not only be effective in damage removal but it also has to meet stricter HSE regulations while safeguarding expensive and complex installations from corrosion impact. In high temperature environments or where sensitive metallurgy is deployed, higher doses of corrosion inhibitors are required as well as additional additives in order to avoid unwanted reactions, further complicating the handling and HSE aspects of such acids. The environmentally friendly chelate, glutamic acid N,N-diacetic acid GLDA, has been examined as an alternative for acidizing and descaling treatments, demonstrating good field performance in terms of productivity and injectivity increase. All this achieved while providing a safe and convenient system for handling, due its low toxicity, fewer required additives and biodegradability. Numerous laboratory tests have measured and confirmed considerably less corrosion risk, across a wide range of conditions, when compared to conventional formulations based on both HCl and organic acids. Within this paper, the field performance of the GLDA system will be evaluated under even more challenging conditions, endured during the acidizing of an offshore well in the North Sea. The wellwork programme for the low rate gas producer consisted of performing two new perforation runs, followed by the injection of the GLDA treatment, which was then bullheaded into the formation with a nitrogen assist. The treatment formulation consisted of GLDA diluted in fresh water with trace amounts of surfactant and mutual solvent to aid in the flow-back of the spent acid. Due to an unexpected power failure on the platform, the treatment remained stagnant in the tubing for some 28 hrs at 300°F. As this was the first GLDA treatment in this field, this situation appropriately raised potential well integrity concerns; as would most certainly have been the case with a conventional HCl acid package. However, once the operation was restarted the acid was successfully bullheaded into the formation and no issues resulted with the low carbon and CRA based metallurgy of the completion even after this extensive unplanned exposure. Additionally the treatment resulted in a significant productivity increase. These operations and results demonstrated not only the gentle nature of GLDA for integrity considerations; but also an effective cleanout of perforations and near wellbore area as required from a replacement system. The success of the treatment proved the intrinsic value and reduced risk that can be accessed by use of such 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0010,001

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 Opus0,010
Tête enseignante GPT0,242
Écart entre enseignants0,232 · 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'étudeExpérimental (laboratoire)
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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE International Conference and Exhibition on Formation Damage ControlMême sujetOil and Gas Production TechniquesTravaux en français237 207