Physical and Numerical Simulations of Subsurface Upgrading using Solvent Deasphalting in a Heavy Crude Oil Reservoir
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Physical and numerical simulations of subsurface upgrading using solvent deasphalting (SSU-SDA) at laboratory conditions will be presented using a heavy crude oil and propane as solvent. In this work, propane flood experiments were carried out in a live crude oil (8.8°API) saturated sand at 120°F and 1000 psi. The results showed oil recovery of 85 wt.% with increases of API up to 14°API for the produced crude oil. Using lab characterization data, a new asphaltene precipitation model was developed that involves four pseudo components to numerically simulate the lab experiments. The pseudo components used are Deasphalted Oil, Heavy Fraction, and Soluble and Solid Asphaltenes. History match showed very good agreement between the experimental and calculated oil and gas rates and cumulative oil. Also, reasonably good match between lab and theoretical API of the produced oils was found throughout the propane flood experiments. Using this model, a field-scale one-well pair in SAGD configuration was simulated for steam only and two steam+ propane cases (10:1 and 1:1 vol. ratio) in a typical heavy crude oil reservoir. Results showed accelerated oil production and higher API crude in the presence of propane in comparison with the steam only case. For the 1:1 steam/propane case, the model predicted that the oil quality improved enough to make the oil transportable through a pipeline. Subsurface upgrading via solvent deasphalting is an innovative concept that has the potential of being a game-changer technology in terms of acceleration of oil production, lower CAPEX and OPEX and environmental benefits. The results presented show the potentiality of SSU-SDA for the exploitation of the vast reserves of heavy and extra heavy oils available in the world.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle