Impact of Gas Lift Design in Unconventional Wells - A Delaware Basin Operator's Perspective
Notice bibliographique
Résumé
Abstract Gas lift is becoming a predominant, intermediate term, artificial lift system in the Delaware and other basins. Besides the proper selection and management of the gas lift systems, design methodology is still a challenge due to the drastic change in flow conditions in the transient phase. The main objective of this paper is to develop a new methodology to design and optimize gas lift wells in unconventional reservoirs. A case study is provided to review, model, and analyze the current design over different stages of the well's production life. Consequently, application of new designs over different stages of the well's life will be implemented using a performance comparison which includes production and unloading scenarios. Actual well data will be used along with steady-state and dynamic modeling for unloading and production performance estimation. The models will be evaluated using actual data to perform history matching over different stages of the well's production life. This evaluation will also answer the following questions: Is the use of conventional mandrels the best option for these types of wells? Are the number of mandrels deployed using the traditional design methodology the correct solution? Are the tools used to design and analyze these types of wells sufficient? Most importantly, is more data required to create a better design and analysis? Also, this study compares the existing design to modified designs and justifies how the later could perform better. Integration of all data sources including historical performance, flowing bottom hole pressure, inferred dynamic IPR data, and the use of dynamic and nodal analysis tools for modeling while varying production conditions and unloading scenarios.
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) | 0,001 | 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 ».