MétaCan
Menu
Retour à la cohorte
Enregistrement W1994941095 · doi:10.2118/2008-120

Phase Behaviour and Physical Properties of Athabasca Bitumen, Propane and CO

2008· article· en· W1994941095 sur OpenAlexafffundabout
Harvey W. Yarranton, A. Badamchi-Zadeh, Marco A. Satyro, Brij Maini

Notice bibliographique

RevueCanadian International Petroleum Conference · 2008
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSyncrude
Mots-clésAsphaltPropanePhase (matter)Oil sandsEnvironmental scienceMaterials scienceChemistryThermodynamicsComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract The design and optimization of solvent based processes to recover heavy oil are hampered by limited data and modeling capability for mixtures of heavy oils and solvents. Phase boundaries, compositions, and physical properties such as viscosity and density are required. Here, mixtures of propane and CO2 with Athabasca bitumen are considered. Saturation pressures were measured in a PVT cell and the density and viscosity of the saturated liquid phase were determined at temperatures between 0 and 90 °C and pressures up to 5 MPa. Data are reported for CO2-bitumen, propane-bitumen and three propane-CO2-bitumen mixtures. Vapour-liquid and some liquidliquid and vapour-liquid-liquid phase boundaries were determined. Regions where multiple liquid phase formation is likely were identified. A simple analytical methodology for determining the vapour-liquid phase boundary for each mixture was developed. Introduction In Canada, steam based methods are often employed to improve heavy oil recovery. However, the industry is seeking alternatives to these methods because they are energy intensive and are drawing heavily on the available water supply. Solvent based recovery methods are a potential alternative capable of providing high recovery factors without high waterrequirements(1,2). One option is the vapor extraction method(Vapex), which is a solvent-based analogue of the steam assisted gravity drainage (SAGD) process(3–6). Vapex is implemented with a pair of horizontal wells: a production well at the bottom of the reservoir and a solvent injection well located directly above the production well(4). The vaporized solvent is injected through the injector and a chamber of solvent vapour forms around the well. At the walls of the chamber, the solvent diffuses into a surface layer of the heavy oil and dramatically reduces its viscosity. The diluted oil layer is then mobile enough to drain down, under the influence of gravity, into the production well. VAPEX performance depends on the viscosity and density of the liquid phase that forms at the edge of the solvent chamber. In order to design and optimize VAPEX and other solvent based processes, it is critical to be able to: determine the diffusivity of the solvent in the heavy oil; identify the phases that form in the solvent and heavy oil mixtures at various temperatures and pressures; determine the density and viscosity of the liquid phase. Other solvent-based processes (steam and solvent injection for heavy oil recovery and solvent extraction of oil sands) require similar data. Most research on Vapex has focused on physical model experiments with light alkane solvents, particularly mixtures of methane and propane (2). However, mixtures of carbon dioxide and propane may be a more viable option. Currently, carbon dioxide is expensive but costs are expected to decrease if environmental incentives to sequester carbon dioxide are introduced. Carbon dioxide may also be a better Vapex solvent than methane because it is more soluble in heavy oil and reduces the viscosity more (7). However, at typical heavy oil reservoir conditions (pressure of ∼1.2 MPa and temperature of ∼10 ° C), propane and butane have higher solubility and provide greater viscosity reduction than carbon dioxide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0020,000

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 Opus0,027
Tête enseignante GPT0,255
Écart entre enseignants0,228 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations13
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian International Petroleum ConferenceMême sujetPetroleum Processing and AnalysisTravaux en français237 207