Notice bibliographique
Résumé
Abstract The economics of a SAGD project is related to several production performance parameters. The most significant of those are steam-oil ratio (SOR), calendar day oil rate (CDOR), ultimate recovery (recovery factor, RF), and project life. In consequence, these performance parameters are related to reservoir parameters such as reservoir thickness, permeability, oil saturation, porosity, oil viscosity, and other reservoir heterogeneities such as bottom water, top gas, and interbedded shale barriers. It would be useful to find and quantify the correlations between the SAGD performance and reservoir parameters. In this study, a reservoir screening parameter called SPIDER (SAGD Performance Indicator) is developed to evaluate a SAGD project. This new indicator is calculated from four key reservoir parameters such as reservoir thickness (H), permeability (Kv), oil saturation (So), and porosity (Ø) to predict the SAGD performance as well as to evaluate the economics of a SAGD project. A bitumen price and an SOR economic limit are considered to incorporate into a dynamic model. The results show there exists a relationship between SAGD performance parameters (CSOR, CDOR, and RF) and four reservoir parameters with a high correlation coefficient. Especially, there is a linear relationship between SPIDER and NPV with a correlation coefficient of higher than 0.97. This new indicator may be used as a reservoir screening parameter for a SAGD project. Introduction An economic indicator called STEP (Equation 1) was introduced to evaluate the economics of a SAGD project using the production performance parameters such as CSOR, CDOR, and RF in the series of studies (1, 2, 3). Especially, a dynamic model for STEP called STEP-D (Equation 2) was developed to be used as an economic indicator under the changing conditions of the economic limit of SOR and heavy oil price (3). Equation (1) (Available in full paper) Equation (2) (Available in full paper) STEP may be used as an economic criterion on a SAGD project when the SAGD performance parameters are provided from numerical simulation results or field performance data. As reservoir parameters such as reservoir thickness, permeability oil saturation, porosity, and other reservoir heterogeneities impact the SAGD performance, it would be valuable to quantify the impact of these reservoir parameters. There are a few studies regarding the geological parameters impact on thermal process performance. Thimm et al.(4) analyzed the well performance indices with geology for the steam soak phase of the Peace River Expansion Project. Ito and Suzuki (1998) investigated the effect of reservoir parameters on oil production rates in SAGD projects. They found that oil rates are proportional to pay thickness, permeability, movable oil saturation, and porosity. Llaguno et al.(5) proposed a new methodology to determine the potential SAGD application for Venezuela reservoirs. They used an analytical tool to evaluate the impact of the reservoir properties (API gravity, reservoir pressure, thickness, permeability, porosity, oil saturation, oil viscosity) on the SAGD performance. They found that oil rates were mainly affected by pay thickness, porosity, and oil saturation, and SOR was affected by all the properties.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».