MétaCan
Menu
Retour à la cohorte
Enregistrement W1974846817 · doi:10.2118/165545-ms

Surfactant-Steam Process: An Innovative Enhanced Heavy Oil Recovery Method for Thermal Applications

2013· article· en· W1974846817 sur OpenAlexafffundabout
K. Zeidani, Suraj Gupta

Notice bibliographique

RevueSPE Heavy Oil Conference-Canada · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensCenovus Energy (Canada)
Organismes subventionnairesCenovus Energy
Mots-clésPulmonary surfactantPetroleum engineeringEnhanced oil recoverySteam injectionSurface tensionSteam-assisted gravity drainageProcess (computing)WettingProcess engineeringCapillary actionMaterials scienceChemical engineeringThermalEnvironmental scienceChemistryPulp and paper industryOil sandsComputer scienceEngineeringThermodynamicsComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Surfactant-steam process (SSP) is a novel and potentially cost-effective process that utilizes a small amount of surfactant co- injected with steam to enhance the oil recovery of steam assisted gravity drainage (SAGD) well pairs. The mechanism of this process involves interfacial tension (IFT) reduction, reservoir rock wettability alteration, oil relative permeability enhancement, and in-situ emulsification. SSP is expected to result in oil rate acceleration, steam-to-oil ratio (SOR) reduction and enhanced ultimate oil recovery factor. Analogous enhancement is expected if the SSP is combined with other steam-based or steam-solvent processes. This paper provides an introduction to this concept and presents a unique protocol that has been developed for screening surfactants for co-injection with steam in SAGD process. In particular, the paper presents a scientific approach to surfactant selection for SSP applications, describes the conditions in which the surfactants needs to be deployed within the reservoir, and also predicts the potential synergies if use of different classes of surfactants is made. Novel experimental design on different aspects of surfactant-steam phase behavior indicates the optimum surfactant concentrations for field trial applications. Lab testing of selected surfactants on typical Canadian oilsands sand packs shows an improved incremental oil recovery factor (RF) in the range of 6 to 16% (for different tested surfactants) compared to a SAGD base case. SSP simulations were conducted for one of the surfactants that were tested in the lab. The simulation results indicate that this particular surfactant on average accelerated the oil rate by 15% in the first 30 months of SSP operation, increased the ultimate oil RF by 10%, and reduced the cumulative steam-to-oil ratio (CSOR) by almost 11% relative to a SAGD base case. In addition, a sensitivity analysis was conducted to investigate the effect of surfactant concentration co-injected with steam. The simulation results suggest that there is an optimum concentration for a given surfactant that needs to be explored through lab investigations and field trials. It is evident that once the SSP is successfully developed, the use of surfactant promises to improve environmental performance and project economics of the in-situ oilsands 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,260
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference-CanadaMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207