MétaCan
Menu
Retour à la cohorte
Enregistrement W1995478302 · doi:10.2118/165547-ms

A Performance Comparison Study of Electromagnetic Heating and SAGD Process

2013· article· en· W1995478302 sur OpenAlexaff
Manyang Liu, Gang Zhao

Notice bibliographique

RevueSPE Heavy Oil Conference-Canada · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeophysical and Geoelectrical Methods
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringSteam injectionEnhanced oil recoverySteam-assisted gravity drainagePermeability (electromagnetism)Oil fieldThermalEnvironmental scienceOil productionVolumetric flow rateOil sandsMaterials scienceEngineeringMechanicsThermodynamicsPhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Downhole electrical heating has proven as an attractive alternative of lowering the oil viscosity by raising the temperature in the formation. Because reservoirs with characteristics such as extremely low permeability, very thin pay-zone, and extra-heavy oil are generally not feasible for steam injection based Enhanced Oil Recovery (EOR) techniques, and the application of low- frequency Electrical Resistance Heating (ERH) has been demonstrated to limit the heating rate as well as the production rate. Hence, high frequency Electromagnetic Heating (EMH) has been chosen as a potential candidate to a reservoir for which other thermal recovery techniques are not suitable. This study presents both an oil single phase radial flow and oil-gas two-phase linear flow EMH model with COMSOL. Result shows that EM heating is practicable and cost effective under certain constraints in the real field. Parametric study indicates that the cumulative oil production achieved by EMH can be enhanced by a similar EOR approach called Single Well Steam Assisted Gravity Drainage (SW-SAGD) simulated in STARS for reservoirs with the above mentioned characteristics.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,019
Tête enseignante GPT0,228
Écart entre enseignants0,209 · 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'étudeSimulation ou modélisation
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

Citations15
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference-CanadaMême sujetGeophysical and Geoelectrical MethodsTravaux en français237 207