MétaCan
Menu
Retour à la cohorte
Enregistrement W3154079773 · doi:10.2118/97511-pa

Circulating Usage of Partial Produced Fluid as Power Fluid for Jet Pump in Deep Heavy-Oil Production

2007· article· en· W3154079773 sur OpenAlexaff
Shengnan Chen, Heng Li, Qi Zhang, Jun He, Daoyong Yang

Notice bibliographique

RevueSPE Production & Operations · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueOil and Gas Production Techniques
Établissements canadiensPetroleum Technology Research Centre
Organismes subventionnairesPetroChina Company Limited
Mots-clésLight crude oilDiluentViscosityGas oil ratioPetroleum engineeringJet (fluid)Materials scienceMechanicsChemistryPhysicsEngineeringComposite materialNuclear chemistry

Résumé

récupéré en direct d'OpenAlex

Summary Jet pumping driven by light oil is one of the preferred lift methods for producing heavy oil in a deep heavy-oil reservoir. Generally, the amount of light oil required is too large to be acceptable. One solution which reduces the amount of light oil required is to blend light oil with a portion of the produced fluid at a reasonable ratio. Then, the produced fluid/light-oil mixture is reinjected into the well as the power fluid. In this case, the viscosity of the blended power fluid keeps increasing and eventually reaches its equilibrium value, which has been found to be a function of reservoir-oil viscosity, light-oil viscosity, the ratio of light oil to blended power fluid (volumetric percentage), and the ratio of well rate to diluent rate (M ratio). Moreover, an optimal ratio of light oil to blended power fluid can be determined by using an iterative algorithm developed in this study. Variations in any of the previously mentioned parameters, especially the viscosity of light oil and the ratio of light oil to blended power fluid, result in a significant change in both the viscosity of the blended power fluid and the pressure loss in the production string. It has been shown in a field application that the amount of light oil used for driving the jet pumping operation can be reduced by more than 50%.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,267
Écart entre enseignants0,252 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Production & OperationsMême sujetOil and Gas Production TechniquesTravaux en français237 207