MétaCan
Menu
Retour à la cohorte
Enregistrement W1996742045 · doi:10.2118/165454-ms

Effect of Dead Oil Viscosity and Injected Solvent Type on SVX Process Performance

2013· article· en· W1996742045 sur OpenAlexafffund
Kelvin D. Knorr, Muhammad Imran

Notice bibliographique

RevueSPE Heavy Oil Conference-Canada · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensSaskatchewan Research Council (Canada)
Organismes subventionnairesPetroleum Technology Research Centre
Mots-clésSolventViscosityResidual oilPropaneMethanePorosityEnhanced oil recoveryPermeability (electromagnetism)Materials scienceSaturation (graph theory)Petroleum engineeringChemical engineeringChemistryAnalytical Chemistry (journal)ChromatographyComposite materialGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract This work presents experimental results of four 3D physical model experiments that were performed to evaluate the dependence of solvent vapour extraction (SVX) recovery process performance on initial dead oil viscosity and injected solvent mixture composition. Model excavation studies were also performed to approximate the solvent movement in the physical model and to map out the residual oil saturation and precipitated asphaltenes. All of the four experiments — designated as SVX 14, 15, 16 and 17A — were performed on a 3D physical model (having permeability and porosity of ~4 darcy and ~33%, respectively) that was oriented vertically to provide model dimensions of 2.5 m thick by 0.2 m wide by 0.5 m long. The 0.5-m-long horizontal top injection and bottom production wells were separated laterally across the width and vertically across the thickness. Prior to solvent injection the model was resaturated with live oil containing methane at a gas/oil ratio ranging from 8.5 to 11 sm3/sm3. The initial dead oil viscosity at 21°C for SVX 14, 15, 16 and 17A were approximately 13,000, 33,000, 16,000, and 48,000 mPa•s, respectively. The composition of the injected solvent mixture for SVX 14 and 15 was ~57/43 mol% of methane (C1)/propane (C3) and for SVX 16 and 17A was ~57/43 mol% of carbon dioxide (CO2)/propane (C3). The analysis of the experimental results revealed that the initial dead oil viscosity had a significant effect on the SVX performance. Higher oil production rates were achieved with the lower viscosity oils for both injected solvent mixture types, with a more pronounced effect observed when using the CO2/C3 solvent mixture. The results also showed that the CO2/C3 mixture resulted in earlier solvent breakthrough and initial oil production, reduced solvent makeup requirements (i.e., better solvent recycle stream), and reduced solvent retention in the model/reservoir, as compared to the C1/C3 solvent mixture. The residual oil saturation mapping showed that the CO2/C3 mixture led to comparatively lower values in the drained regions and higher amount of precipitated asphaltenes remaining in the model, although there was evidence of some precipitated asphaltenes close to both the injection and production wells in all four experiments, regardless of the solvent mixture type. Finally, this mapping also indicated that the solvent/oil interfaces and solvent chambers were more uniform and predictable for the CO2/C3 solvent mixture injection. The field scale application and optimization of SVX processes requires that relationships be established among oil production rates, solvent utilization, and important process parameters such as matrix permeability, initial oil viscosity, solvent mixture composition, solvent utilization, etc. This work has attempted to generate such relationships for the two most promising mixed solvent systems being considered for use in heavy oil reservoirs.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,956
Score d'incertitude au seuil0,903

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,209
Écart entre enseignants0,202 · 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 tête enseignante, 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

Citations2
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference-CanadaMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207