MétaCan
Menu
Retour à la cohorte
Enregistrement W2791835248 · doi:10.2118/189740-ms

On Temperature Fall-Off Interpretation in Circulation Phase of Steam-Assisted Gravity Drainage Process

2018· article· en· W2791835248 sur OpenAlexaboutno aff
Mazda Irani, Sahar Ghannadi

Notice bibliographique

RevueSPE Canada Heavy Oil Technical Conference · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInjectorPetroleum engineeringSteam-assisted gravity drainageAsphaltSteam injectionOil sandsEnvironmental scienceEngineeringGeologyMaterials scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Steam-assisted gravity drainage (SAGD) is the method of choice to extract bitumen from Athabasca oil sand reservoirs in Western Canada. Bitumen at reservoir condition is immobile due to high viscosity and its saturation is typically large that limits the injectivity of a steam at in-situ condition. In a current industry practice, steam is circulated within injection and production wells. In theory wells, should be converted to SAGD production mode once bitumen at interval is mobile and communication is established between the injector and the producer. Operators try to use temperature fall-off data to predict successful conversion time. Although the bitumen heating sounds simple approach recently three wells fails after steam injection due to steam break-through or sand production. And they are periodically returned to circulation to ramp up production rates and heal the hot spots. Most such failures are associated with early conversion to full SAGD. This paper presents a method to describe physics based initial steam injection timing and describes different Suncor assets viscosity variation with temperature and a proper interval temperature for initiation of steam injection in SAGD process. In this study an analytical tool is developed using time-of-flight (ToF) concept to match the temperature fall-off data. The tool is used to discuss successful and failed cases in Suncor McKay River asset.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0030,000

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 Opus0,020
Tête enseignante GPT0,302
Écart entre enseignants0,283 · 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'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

Citations7
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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