Comparing the Performance and Recovery Mechanisms for Steam Flooding in Heavy and Light Oil Reservoirs
Notice bibliographique
Résumé
Abstract The concern over fossil energy shortage for the next decade leads to the extensive research activities in the area of enhanced oil recovery. Steam injection as one of well known EOR process has been used for about five decades to improve the oil production rate and recovery efficiency. Steam flooding is applied to heavy and extra-heavy oil reservoirs; however it could be used in light oil reservoirs in which water injection do not work effectively. Regardless of different performances, this method is an efficient EOR process for both heavy and light oil reservoirs. In this work, two separate numerical models were prepared to investigate steam flooding performance for the recovery of light and heavy oil. The heavy oil model is a Cartesian hypothesis model with properties of Cold Lake heavy oil reservoir in Canada and light oil model is a sector of an Iranian fractured light oil reservoir. For this purpose, steam flooding was implemented in these two models separately. Then according to software options, all possible recovery mechanisms (viscosity reduction, steam distillation, thermal oil expansion and others) were simulated individually to measure the effectiveness of each recovery mechanism in total recovery of heavy and light oil during steam flooding. Also, operational parameters such as steam quality, steam flow rate and well perforation were optimized for both reservoirs. Results show that steam flooding performances in heavy and light oil reservoirs are different. Heavy oil reservoirs do not response fast to steam compared to the light oil reservoirs. Furthermore, viscosity reduction is a main recovery mechanism in recovery of heavy oil and contribute to 80% of total recovery, while in recovery of light oil all three main recovery mechanisms have the same contribution to total recovery. It was also found that the optimized operational parameters are different for each reservoir.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».