Rejuvenating Viscous Oil Reservoirs by Polymer Injection: Lessons Learned in the Field
Notice bibliographique
Résumé
Abstract Viscous oils have adverse mobility that causes production to decline rapidly following a period of primary recovery. Traditionally, enhanced oil recovery (EOR) for this kind of oil has mostly relied on reducing viscosity and increasing mobility using thermal methods or miscible gas injection. However, in some cases-for example, deep reservoirs, thin sands, or restricted offshore applications-these methods might not be feasible. This paper discusses published field studies using polymer flooding EOR for viscous oil and provides recommendations for its applicability. In countries with reservoirs that present challenges for use of traditional EOR methods, such as Canada, China, and Suriname, polymer flooding has been field tested as a reliable oil-sweeping method while minimizing the risk of high water cut. With oil viscosities at reservoir conditions up to 5000 cp and reasonable economic conditions, polymer flooding has been shown to be an attractive EOR alternative. The study cases presented show that polymer concentrations need only be between 800 to 1,500 ppm to ensure successful results. Concerns about low or poor injectivity of polymers are being overcome using fracturing and horizontal wells, while high-value, limited-space challenges on offshore platforms are being addressed through modular and minimized installations. Additionally, most conventional waterflood monitoring and surveillance techniques are also applicable to polymer floods, while polymer use in backflow tests and as a tracer has also been proposed. This study's projection shows a 90% probability of positive net present value (NPV) under broad ranges of uncertainty for oil price, recovery factor (RF), capital expenditures (CAPEX), and operational expenditures (OPEX). The results of this paper show that polymer flooding presents a clear and feasible alternative for increasing the RF of viscous oil. To this end, a detailed study is provided of its advantages and the reservoir condition range of applicability.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».