Notice bibliographique
Résumé
Well deliverability optimization is essential for oil and gas production and nodal analysis is a common tool used for selecting suitable production parameters. To accurately calculate upstream and downstream pressures at various production rates at a certain selected node, proper modeling of multiphase flow in wellbores is necessary. However, this process is complex due to the inconsistent velocities of the fluids (i.e., oil, gas, and water) and the interaction between the liquids under high temperature and pressure. Empirical models, such as Hagedorn and Brown (1965), Beggs and Brill (1973), and Mukherjee and Brill (1983 and 1985), and the drift-flux model (Zuber 1965) are commonly used for multiphase flow calculations in wellbores. In this paper, we programmed and evaluated three multiphase flow models (Hagedorn-Brown, Mukherjee-Brill, and drift-flux) using Matlab. The programming includes holdup calculation, pressure gradient calculation, pressure traverse calculation, inflow curve determination, inflow performance relationship (IPR) curve determination, and well deliverability determination. Additionally, we conducted a case study to examine the sensitivity of parameters and compare and analyze the results of pressure traverse, tubing intake curve, and deliverability determination between the drift-flux and Mukherjee-Brill models. Sensitivity analysis was conducted on two of the seven parameters in the drift-flux model, and the effects of production and reservoir parameters on well deliverability were analyzed. The case study results indicated that the Mukherjee-Brill model predicted slightly higher bottomhole pressure compared to the drift-flux model at a fixed oil flow rate, but its well deliverability determination was lower. Furthermore, the drift-flux model showed that the pressure increased with an increase in the distribution coefficient for bubble flow (C0_bubble), while the beta parameter had little impact on the calculated pressure in the studied range. The well deliverability increased when the tubing size and reservoir pressure increased, or the tubing head pressure decreased.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,001 | 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 ».