Field Scale Application of the SOS-FR (Steam-Over-Solvent Injection in Fractured Reservoirs) Method: Optimal Operating Conditions
Notice bibliographique
Résumé
Abstract Heavy oil reserves are considered to be the upcoming hydrocarbon resource. Yet, more efficient methods are needed as there are substantial economical and environmental drawbacks to sole injection of steam and solvents. A combined application of these yielded promising results in the laboratory experiments. But, optimal application conditions and cost lowering options need to be determined. Steam-over-solvent injection in fractured reservoirs (SOS-FR) is a recently proposed method which consists of an alternate injection of steam and hydrocarbon solvents to improve oil recovery over steam injection and accelerate the solvent retrieval rate. The initial tests were done for hot-water conditions instead of steam and liquid solvents for simplicity (Al-Bahlani and Babadagli, 2008; 2009a-b; 2011b). In our modification to this method, we introduced CO2 as an alternative to hydrocarbon solvents for only one pressure and temperature condition (Naderi and Babadagli, 2012). Initial results out of this study showed a moderate recovery of 50% OOIP in average for unfavorable matrix conditions (oil wet). In the present study, the SOS-FR applications with CO2 were tested at various conditions numerically and with different timings to improve the recovery. First, the effect of different parameters was studied to obtain the best match between the simulation and experimental results. This exercise not only provided data for field scale simulations (relative permeability and diffusion coefficients) but also clarify the impact of different rock and fluid properties on the mechanics of the proposed EOR technique. Finally, an optimization scheme was suggested for field scale applications. In this exercise, a field scale numerical model of experiments was performed based on experimentally validated core scale model and the optimal conditions (solvent type, application pressure and temperature, duration of cycles) were determined to maximize the recovery.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 ».