MétaCan
Menu
← Retour à la cohorte
Enregistrement W4409504159 · doi:10.5006/c2018-10884

Studies of Aqueous Hydrogen Sulfide Corrosion in Producing SAGD Wells

2018· article· en· W4409504159 sur OpenAlexaff
Trent Pehlke

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen embrittlement and corrosion behaviors in metals
Établissements canadiensSuncor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésHydrogen sulfideCorrosionAqueous solutionAnaerobic corrosionSulfideHydrogenMaterials scienceMetallurgyChemistryPetroleum engineeringInorganic chemistryGeologySulfurOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Lab and field corrosion testing was completed on materials commonly used downhole in Steam Assisted Gravity Drainage (SAGD) to evaluate general corrosion rates, and how they vary with well depth, and operating environment to determine a dominating mechanism. Lab testing utilized autoclaves to allow for corrosion rate and characterization measurements under controlled conditions. Field coupon testing consisted of installing corrosion coupons at various elevations in the annulus of a producing SAGD well. Corrosion rate analysis consisted of weight loss and various electrochemical measurement techniques, visual inspections, and x-ray diffraction analysis to determine scale compositions. Materials tested included various carbon steels, alone and in combination, as well as steels with hard facing and galvanized finishes. Field coupons showed corrosion rates decreasing from 0.0178mm/y at the bottom of the well to 0.0145mm/y at higher well elevations. This corresponded to a decrease in iron sulfide scale content from the well bottom upwards. Based on the scales composition, operating conditions, and fluids present, it is likely that the scales were formed through the well-known solid-state reaction between aqueous H2S and the metal. High average corrosion rates of 0.263mm/y were measured in the lab, compared to a low 0.0183mm/y in field studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,043
Tête enseignante GPT0,325
Écart entre enseignants0,282 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrogen embrittlement and corrosion behaviors in metals→Travaux en français237 207→