Effects of Well Placement and Intelligent Completions on SAGD in a Full-Field Thermal-Numerical Model for Athabasca Oil Sands
Notice bibliographique
Résumé
Abstract Estimated at 2.5 trillion barrels, Canada has the world's largest share of ultra-heavy oil and bitumen resources. While shallow heavy oil reserves are extracted from pit mines, deeper reserves can only be extracted through wells. Production of these reserves requires methods such as steam-assisted gravity drainage (SAGD) and cyclic steam simulation (CSS) (Butler, 1991). Optimal well placement defines the propagation of steam within the reservoir and the resulting flow of crude. SAGD recovery methods require tremendous amounts of steam in order to get the crude to flow. Costs to generate and inject steam in a SAGD pad are significant. Finding ways to use steam more effectively in these operations should result in increased production efficiency and improved financial return on these projects. By strategically placing steam injectors and by controlling the amount of steam injected it may be possible for these results to be achieved. A study was conducted to examine several completion strategies and to test, with the use of a simulation model, what the expected production, and steam requirements for these strategies would be. The simulation model examined multiple well pairs to see these results in a full-field environment. To assess the financial impact of these strategies, a fiscal model was developed that evaluated SAGD project costs and then examined the incremental cost and value of each of the completion strategies. Results show that although using steam effectively in these strategies may not yield the highest recovery, it does improve the expected value of these projects. This paper describes the process, operational control, and financial analysis used to design and validate the SAGD model. The study focuses on a completion strategy that demonstrates a strong potential to reduce SOR and ultimately operational cost. Incremental financial analysis is included to examine the impact of choosing any such strategy.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».