Study of Temperature and Pressure Fall-Off during Shut-In and Slow-Down for SAGD Wells with Top Water
Notice bibliographique
Résumé
Abstract In in-situ oil sands operations using Steam Assisted Gravity Drainage (SAGD), understanding the temperature and pressure responses during periods of shut-in and slow-down is crucial for effective steam chamber management. The corresponding operating strategy should be based on the temperature and pressure performance. At Nexen’s Long Lake in-situ project, there are a number of pads with extensive top water in contact with the target bitumen interval. Along with the rest of the wells in operation at Long Lake, these SAGD wells have experienced several periods of shut-in and slow-down due to maintenance operations and other surface constraints. Surface and downhole sensors and other real-time monitoring technologies provide opportunities to monitor temperature and pressure during these time periods, which help to better understand the impact of surface activities on steam chamber development, particularly in areas with extensive top water present. This paper presents the temperature and pressure responses over time at different elevations within the reservoir. It compares temperature and pressure responses for the wells with top water and without top water and 4D seismic is also integrated to analyze the causes for the different temperature and pressure responses. Review of the data shows that shut-in has a more significant impact on temperature and pressure in the steam chamber than slow-down. Wells with top water experience severe temperature drops while slow-down wells do not. After long periods of shut-in, areas with thicker top water may take additional time to heat up and reach steam conditions again, resulting in higher steam injection requirements. The collected data suggests that continuous steam injection is crucial to maintain steam chamber with top water.
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 ».