MétaCan
Menu
Retour à la cohorte
Enregistrement W2969888551 · doi:10.3390/en12173237

A Workflow for Optimization of Flow Control Devices in SAGD

2019· article· en· W2969888551 sur OpenAlexafffund
Anas Sidahmed, Siavash Nejadi, Alireza Nouri

Notice bibliographique

RevueEnergies · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaRGL Reservoir Management
Mots-clésPetroleum engineeringSteam-assisted gravity drainageSteam injectionCompletion (oil and gas wells)WorkflowOil sandsWellboreEngineeringDual (grammatical number)Enhanced oil recoveryAsphaltComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

In McMurray Formation, steam assisted gravity drainage is used as the primary in-situ recovery technique to recover oil sands. Different geological reservoir settings and long horizontal wells impose limitations and operational challenges on the implementation of steam-assisted gravity drainage (SAGD). The dual-string tubing system is the conventional completion scheme in SAGD. In complex reservoirs where dual-string completion cannot improve the operation performance, operators have adopted flow control devices (FCDs) to improve project economics. FCDs secure more injection/production points along the horizontal sections of the SAGD well pairs, hence, they maximize ultimate bitumen recovery and minimize cumulative steam-oil ratio (cSOR). This paper will focus on the optimization of outflow control devices (OCDs) in SAGD reservoirs with horizontal wellbore undulations. We present the detailed optimization workflow and show the optimization results for various scenarios with well pair trajectory undulation. Comparing the results of the optimized OCDs case with a dual-string case of the same SAGD model shows improvements in steam distribution, steam chamber growth, bitumen production, and net present value (NPV).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,338
Score d'incertitude au seuil0,252

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,235
Écart entre enseignants0,227 · 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 tête enseignante, 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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207