MétaCan
Menu
Retour à la cohorte
Enregistrement W1978867084 · doi:10.2118/95754-ms

Optimizing the SAGD Process in Three Major Canadian Oil-Sands Areas

2005· article· en· W1978867084 sur OpenAlexaffabout
Hyundon Shin, M. Polikar

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2005
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOil sandsAsphaltPetroleum engineeringPermeability (electromagnetism)Reservoir simulationGeologySteam-assisted gravity drainageOil productionPetroleum reservoirEnvironmental scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Abstract The SAGD process has already been implemented for commercial production in Alberta. In this study, SAGD operating conditions were optimized through numerical reservoir simulations in the three oil sands areas using characteristic properties. Several parameters were screened to define the most applicable reservoir conditions for the SAGD process. The product of reservoir thickness and permeability (k×h) was found to be the single most important parameter. Finally, the optimal cases for each area were compared. The simulation results for shallow Athabasca-type reservoirs showed that a net pay thickness of 15 m is still economic for the SAGD process because of the high permeability of this type of reservoir, despite the very high bitumen viscosity at reservoir conditions. For Cold Lake-type reservoirs, a net pay thickness of at least 20 m is required for an economic SAGD implementation. In Peace River-type reservoirs, net pay thicker than 30 m might be required for a successful SAGD performance due to the low permeability of this type of reservoir. The results of the study indicate that the shallow Athabasca-type reservoir, which is thick with high permeability (high k×h), is a good candidate for SAGD application, whereas Cold Lake and Peace River-type reservoirs, which are thin with low permeability, are not as good candidates for conventional SAGD implementation.

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 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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil0,894

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 Opus0,015
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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 tête enseignante, pas un consensus.

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

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
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetPetroleum Processing and AnalysisTravaux en français237 207