MétaCan
Menu
Retour à la cohorte
Enregistrement W4381681044 · doi:10.11159/ffhmt23.194

Applications of Water Injection Using Power Dump Flood Technology and Energy Optimization

2023· article· en· W4381681044 sur OpenAlexvenueno aff
Mohamed Abdelhady Ali Elembaby

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT-based Smart Home Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlood mythEnvironmental scienceEnergy (signal processing)Power (physics)Electricity generationNuclear engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Decreasing production in depleted reservoirs is considered the most critical problems in oil fields. One of greatest challenges for oil companies is resuming production again very fast and in safe manner. Solutions harmonize environmental policies and sustainability development are very important for petroleum companies. In depleted reservoirs, pressure decrease with time. Primary recovery methods do not achieve production targets. Secondary recovery by water injection can be used for supporting reservoir pressure and achieve production targets. Water injection can come from surface facility or power dump flood technology. PDF technology takes water from source formation (aquifer) and forces it to be injected in target (reservoir) formation. PDF technology consists of Electric submersible pump increases water pressure which is out from Aquifer (Source formation) to the designed required rates and pressures for water injection. Water is forced toward injection (reservoir) formation by using Y-tool that prevents water moving upward across the tubing by plug. Through this, water moves downward to reservoir(target) formation with required injection rates and pressures. Isolation packer (between aquifer and reservoir formation) prevents injected water from moving upward at the anulus.The injected water with required rates and pressures support reservoir pressure and sweep oil to producing wells and improve oil production.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,381

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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetIoT-based Smart Home SystemsTravaux en français237 207