The ABCs of In-Situ-Combustion Simulations: From Laboratory Experiments to Field Scale
Notice bibliographique
Résumé
Summary Air-injection-based recovery processes are receiving increased interest because of their high recovery potentials and applicability to a wide range of reservoirs. However, most operators require a certain level of confidence in the potential recovery from these (or any) processes before committing resources, which can be achieved with the use of numerical reservoir simulation. In a previous paper, (Gutiérrez et al. 2009) it was proposed that after successful laboratory testing, analytical calculations and semiquantitative simulation models would be used for pilot design and further optimization of the actual operation. However, the specific steps for building the field-scale-simulation models were not addressed explicitly. This paper discusses a detailed workflow that can be followed to engineer an air-injection project using thermal reservoir simulation. The first step of the simulation study involves the selection of a kinetic model that either can be developed specifically for the reservoir in question or taken from public literature. Second, the oil would be characterized in terms of the same pseudocomponents employed by the kinetic model, and relevant pressure/volume/temperature (PVT) data would be matched to develop a fluid model for the thermal simulator. This new fluid model is used in the field-scale-simulation model to history match the production history (i.e., before air injection) of the field. Third, relevant combustion-tube tests would be history matched to validate the kinetic model and refine the thermal data that would be entered into the field-scale model. Finally, the results and knowledge gained from the combustion-tube match(es) are applied to the field-scale model with the proper upscaling of some parameters. This simulation model would aid in selecting optimum well locations and operating strategies of the pilot. It would then be refined as the actual operation progresses to enhance its predictability and allow further optimization of the project. Technical considerations, advantages, and limitations of each step of the workflow are discussed in detail. This paper also presents workflow variations and recommendations applicable to new and already-mature air-injection projects for which simulation models are being developed.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».