MétaCan
Menu
Retour à la cohorte
Enregistrement W1976302408 · doi:10.2118/117327-ms

Increasing Oil Recovery from Heavy Oil Waterfloods

2008· article· en· W1976302408 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueInternational Thermal Operations and Heavy Oil Symposium · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensSaskatchewan Research Council (Canada)
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringFraction (chemistry)Oil viscositySweet spotLight crude oilPermeability (electromagnetism)Window (computing)Volume fractionEnvironmental scienceViscosityGeologyComputer scienceChemistryMaterials scienceChromatographySimulation

Résumé

récupéré en direct d'OpenAlex

Abstract A statistical study of 166 western Canadian waterfloods recovering heavy and medium gravity oils revealed new findings about best operating practices for heavy oil waterflooding. In classical light oil waterflooding, operators are advised to start waterflooding early and maintain the voidage replacement ratio (VRR) at 1. The study, however, produced surprising results for 2 parameters − among the 120 reservoir and operating parameters investigated − that ran counter to the recommended practices of classical light waterflooding. Delaying the start of waterflooding until a certain fraction of the original oil in place was recovered was found to be beneficial. Secondly, varying the VRR was shown to correlate with increased ultimate recovery — periods of underinjection are needed, although a cumulative VRR of 1 should be maintained. Ultimate recovery was correlated with the primary recovery factor at the start of the waterflood. No trends appeared when the full set of 166 waterfloods was inspected. However, when the dataset is analyzed by ranges of API, a "sweet spot" of improved ultimate recovery was observed in a very narrow window of oil recovery factor prior to the start of waterflooding. Graphs of each category showed this "sweet spot" window where improved recovery occurred. These categories were API ranges; as well as ranges of permeability*height/viscosity (kh/μ); and pattern development. Also increases in ultimate recovery were observable when we examined graphs of ultimate recovery versus the fraction of injection volume that was underinjected — but again, only when the data was analyzed by the ranges. A certain period of injection when the VRR was less than 0.95 resulted in increased ultimate recoveries. However, it is important that this period of VRR < 0.95 be offset with periods of increased VRR so that the cumulative VRR cycles around 1.0. Again, each range manifested a narrow "sweet spot" for where this increase in ultimate recovery occurred.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,877

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,018
Tête enseignante GPT0,253
Écart entre enseignants0,235 · 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