Mechanisms for High Displacement Efficiency of Low-Temperature CO2 Floods
Notice bibliographique
Résumé
Abstract CO2 floods at temperatures typically below 120°F can involve complex phase behavior, where a third CO2-rich liquid (L2) phase coexists with the oleic (L1) and gaseous (V) phases. Results of slim-tube measurements in the literature show that an oil displacement by CO2 can achieve high displacement efficiency of more than 90% when three hydrocarbon-phases coexist during the displacement. However, the mechanism for the high displacement efficiency is uncertain because the complex interaction of phase behavior with flow during the displacement is not fully understood. In this paper, we present the first detailed study of three-phase behavior predictions and displacement efficiency for low-temperature CO2 floods. Four-component EOS models are initially used to investigate systematically the effects of pressure, temperature, and oil properties on development of three-phase regions and displacement efficiency. Multicomponent oil displacements by CO2 are then considered. We use a compositional reservoir simulator capable of robust three-phase equilibrium calculations. Results show that high displacement efficiency of low-temperature CO2 floods is a consequence of both condensing and vaporizing behavior. The L2 phase serves as a buffer between the immiscible V and L1 phases within the three-phase region. Components in the L1 phase first transfer efficiently to the L2 phase near a lower critical endpoint (LCEP). These oil components then transfer to the V phase near an upper critical endpoint (UCEP) at the trailing edge of the three-phase region. The CEPs are defined where two of the three coexisting phases merge in the presence of the other immiscible phase. Unlike two-phase displacements, condensation and vaporization of intermediate components occur simultaneously within the three-phase region. The simultaneous condensing/vaporizing behavior involving the CEPs is also confirmed for simulations of several west Texas oil displacements. Quaternary fluid models can predict qualitatively the complex displacements because four is the minimum number of components to develop CEP behavior in composition space at a fixed temperature and pressure.
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 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 | 0,000 |
| 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».