Development of a Rigorous Erosion Prediction Physical Model for Thermal Standalone Sand Control Screens
Notice bibliographique
Résumé
Abstract Erosion of standalone screens in thermal wells can lead to significant damage and reduction in production. The dominant failure mechanism is the development of localized high-velocity hot spots in the screen due to steam breakthrough or flashing of the steam across the screen. This study provides methods to assess the erosion potential of screen material devices to determine the allowable production conditions which avoid erosion. In this study the effects of impact angle, flow rate, sand concentration, particle size, and fluid viscosity on erosion are systematically investigated through a multivariable study. Experimental impingement testing is performed on screens in different orientations. Erosion is accessed by collecting weight loss data of the screen. Empirical erosion models are calibrated to provide predictions of functional relationships between erosion rate and varied parameters. Computational Fluid Dynamic (CFD) simulations are performed prior to the experimental work to visualize particle flow paths through the screen and determine local flow and impact velocities and wear patterns. The performance of five existing erosion models is assessed through experimental testing of sand control screens. In order to translate short-term, high-velocity laboratory test results into field erosion predictions, an empirical erosion model is then developed and employed to provide well flow guidelines and minimize erosion potential. This suggests that the use of erosion prediction models in situations in which due to lack of time/data tuning is not possible, may still provide a reasonable estimate for the rate of material loss of the screen. The model is used to obtain threshold superficial velocity curves for several conditions. The main concern associated with existing erosion models is that they do not consider sand production, nor do they account for many other factors that affect erosion process. An erosion model, coupled with CFD simulation, has been developed, that account for factors such as geometry, size, material, fluid properties and rate, sand size, shape, and density in downhole flow conditions.
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 ».