Applied Ultrasonic Technology in Wellbore-Leak Detection and Case Histories in Alaska North Slope Wells
Notice bibliographique
Résumé
Summary When operators are faced with well-integrity problems, a variety of methods may be used to detect the source of annular communication. Methods for detecting downhole leak points include spinners, temperature logs, downhole cameras, thermal-decay logs, and noise logs. However, many of these methods are ineffective when dealing with very small leaks and can result in collected data that require a significant amount of logging finesse to interpret. Ultrasonic listening devices have been used for a number of years to detect leak sources effectively in surface production equipment. Ultrasonic energy has some properties that, when compared to audible-frequency energy, make it ideal for accurate leak detection (Beranek 1972; Povey 1997; Evans and Bass 1972). Like audible-frequency energy, ultrasonic energy can pass through steel. However, ultrasonic energy propagates relatively short distances through fluids when compared to equal-energy audible-frequency sound. Thus, when an ultrasonic signal of this nature is detected, the detection tool will be in close proximity to the energy source. On this premise, an ultrasonic leak-detection tool was developed for downhole applications to take advantage of the unique properties of ultrasonic-energy propagation through various media. Data-acquisition equipment and filtering algorithms were developed to allow continuous logging conveyed on standard electric line at common logging speeds. Continuous logging has proved to be significantly more efficient in locating anomalies than static logging techniques commonly used in noise-logging operations. During development, the tool was shown to be effective in locating leaks as small as 0.026 gal/min with an accuracy of 3 ft in production tubing, casing, and other pressure-containing completion equipment. Leaks also have been detected through multiple strings of tubing and casing. The tool has proved to be effective in locating leaks that other diagnostic methods were unable to locate.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».