Parametric Design and Application of Jet Pumping in an Ultra-Deep Heavy Oil Reservoir
Notice bibliographique
Résumé
Abstract It is extremely difficult to produce heavy oil from an ultra-deep reservoir due to the long lifting path and the high flowing resistance in the wellbore. During its path to the surface along the production string, the reservoir fluid becomes more viscous resulting from heat loss and evolution of the dissolved gas, and thus movement of reservoir fluid slows down and stops at certain position inside the production string. In this paper, jet pumping has been selected and successfully applied to produce heavy oil from Lungu reservoir, Tarim Oilfield, with a maximum depth of 5950 m. Various power fluids have been examined for their capacities to reduce viscosity of the heavy oil in the production string. Hot water fails to reduce the viscosity of the reservoir fluid due to the significant heat loss along the wellbore, while adding chemicals to water (i.e., activated water) suffers from high material costs. Blending light oil with the reservoir fluid in the wellbore is found to optimally reduce viscosity of the reservoir fluid by more than 1600 times and has been applied in Lungu reservoir. Well configurations for jet pumping technique are designed and analyzed. A theoretical model is formulated to calculate the pressure, temperature, viscosity distributions along the production string, which are subsequently used to determine the key operational parameters, such as the quantity and pressure of the power fluid at the wellhead and the M ratio (ratio of the reservoir fluid to the power fluid). Sensitivity analysis indicates that the viscosity of the light oil and M ratio impose a significant impact on performance of the jet pumping. Field applications show that the jet pumping driven by light oil is a viable and efficient technique to lift heavy oil from the ultra-deep heavy oil 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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».