Field Validation: ESP Reliability Monitoring and Production Optimization by Trending Condition and Performance Data Extracted from ESP Surface Electrical Signals
Notice bibliographique
Résumé
Abstract This paper presents the results of an ongoing extended field trial on multiple ESP systems in a SAGD field in Canada. The main objective of this field trial is to evaluate the impact of the condition monitoring technology introduced in this paper to address a gap in predictive and preventative maintenance programs for ESP applications. Specifically, the results are used to determine the ability to monitor and quantify the impact of (a) power quality, (b) adverse flow regime and (c) undesirable mechanical vibrations on ESP production and reliability using data extracted from electrical lines supplying the power to ESPs. The data collected from several wells on a single production pad were trended over several months to determine warning thresholds and subsequently operational recommendations to improve overall production and reliability performance. The information collected from this field trial is intended to demonstrate the effectiveness and benefits of this condition monitoring approach in the Operators field. The described condition monitoring technology is based on measurements of high frequency electrical signals, 3-phase current and voltage, from the VFD panel supplying power to the ESP. Previous SPE papers, SPE-201169-MS and SPE-204522-MS, covered the core concept and enabling components of this technology. These papers shows examples on mechanical, electrical and flow regime diagnosis and demonstrated a direct correlation between the periodic mechanical vibration in an ESP and the frequency component in the electrical current signals. This foundational work was largely the basis of the extended field trial discussed in this paper. The results, presented in this paper, demonstrate interesting findings in how this method of condition monitoring can provide meaningful insights into the operation and reliability of the operating ESP systems.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».