An Extensive Review on the Effective Sequence of Heavy Oil Recovery
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 Different enhanced oil recovery (EOR) techniques for heavy oil reservoirs were reviewed for their ranges of applicability using available reports and publications. EOR screening criteria found in the literature are reprinted and provided. After reviewing more than 100 papers on the subject, it is apparent that there is a definitive knowledge gap on the effective sequence of EOR recovery strategies. While there are numerous studies on the application of heavy oil recovery techniques, there is a lack of comparison and categorization of the results. For Canadian reservoirs, the first recovery method that is implemented first is either waterflooding, cold production or in some cases steamflooding. Chemical flooding and other emerging technologies are mostly coupled with these methods. In most reports, conversion of producers to injectors and introducing line drive and edge drive will improve the waterflooding performance. However, coupling waterflooding with horizontal wells, the addition of water mobility control agents and steam stimulation did not improve the waterflooding performance in some cases. In the case of fractured limestone reservoirs, it seems that immiscible gas injection is a suitable EOR method to implement, but because of the reservoir complexity, a clear understanding of the recovery mechanism and reservoir geology is needed. In-situ combustion and steamflooding are among the most efficient heavy oil recovery methods with a large range of applicability, and next to waterflooding, can become the most widely used heavy oil recovery method. Fireflooding methods can be more profitable if they are coupled with simultaneous or intermittent water injection with air. The results obtained from this paper not only will help the petroleum industry to apply each technique to the right candidate fields, but also it will prevent researchers from duplicating unsuccessful research projects.
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 | 0,000 |
| 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 découle