New Insights on Chemical EOR Processes for Heavy Oil
Notice bibliographique
Résumé
Abstract Chemical EOR methods have become an increasingly attractive option for heavy oil reservoirs where thermal methods cannot be applied, like in thin reservoirs. The use of surfactants for heavy oil is only reported, both at lab and field scale, in a limited number of cases and mostly in combination with alkali to benefit from the generation of in-situ surfactants. However, operational issues (such as scale or corrosion) associated with the use of alkali as well as negative impacts on project logistics are often mentioned. The objective of this work is to demonstrate at lab scale the efficiency of alkaline-free surfactant-polymer processes in the context of heavy oil reservoirs. The present investigation is focused on a Canadian heavy oil (14°API and 1400 cP) in representative reservoir conditions (high permeability sandstone, temperature of 35°C, low salinity). A dedicated synthetic surfactant formulation is designed using a screening methodology based on a robotic platform. Ultra-low interfacial tensions are evidenced from phase behavior and confirmed by spinning-drop tensiometry. Oil recovery performances of the surfactant formulation are then evaluated in corefloods. Cores at Swi are first polymer flooded until no oil is produced to reach a residual oil saturation. Surfactant-Polymer formulations are then injected. Typical results show that additional oil is produced as a continuous oil bank (up to 100% ROIP depending on the slug size) and with a moderate adsorption if a salinity gradient strategy is applied (typically 0.2 mg surfactant per g of rock). This indicates that the surfactant is able to mobilize most of the residual oil. The results of this exploratory investigation show that alkaline-free surfactant-polymer processes could be applied to heavy oil reservoirs while minimizing operational issues. Complementary work will also be presented on optimization of the process through injection strategy improvement and surfactant dosage reduction as well as on extrapolation of the lab results to field-scale technical and economical feasibility.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».