MétaCan
Menu
Retour à la cohorte
Enregistrement W4296558932 · doi:10.1109/adconip55568.2022.9894206

The Factor of Safety-Constrained Model Predictive Controller Design for Closed-Loop Reservoir Management

2022· article· en· W4296558932 sur OpenAlexafffund
Ajay Ganesh, Rick Chalaturnyk, Vinay Prasad

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensUniversity of Alberta
Organismes subventionnairesEnergi Simulation
Mots-clésModel predictive controlControl theory (sociology)Computer scienceClosed loopController (irrigation)Mathematical optimizationEngineeringControl (management)Control engineeringMathematics

Résumé

récupéré en direct d'OpenAlex

A closed-loop optimal control strategy is extensively used in all engineering disciplines to achieve desired control while maximizing performance. Balancing the economics and safety in petroleum reservoirs calls for a closed-loop control scheme in its operation. With the objective of maximizing the oil production rate (OP) and tracking the factor of safety (FoS) within the safety limit, a stochastic optimization-based model predictive controller (MPC) formulation is proposed in this paper. In this work, we build a deterministic proxy model for the OP and polynomial chaos expansion (PCE)-based model for the FoS with the well bottom hole pressure (well BHP) as the inputs using the CMG-STARS and FLAC3D simulator data. These models are used to formulate the MPC to determine the optimal dynamic well bottom hole pressure (MOP). Results are compared with a fixed MOP and to a static measure directly based on the PCE model of the FoS.

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)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil0,426

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,032
Tête enseignante GPT0,270
Écart entre enseignants0,237 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207