Design Approach and Early Field Performance for a Solvent-Assisted SAGD Pilot at Cold Lake, Canada
Notice bibliographique
Résumé
Abstract ExxonMobil and its affiliate Imperial Oil Resources are currently operating a Solvent-Assisted Steam-Assisted Gravity Drainage (SA-SAGD) experimental pilot plant at Cold Lake, Canada. During pilot operation, up to 20 percent by volume of a light hydrocarbon solvent will be injected with dry steam in a dual horizontal well SAGD configuration. The pilot scope consists of two horizontal well pairs (four wells total), six observation wells, associated steam and solvent injection facilities, artificial lift, and dedicated production measurement and testing facilities. Previous experimental and computer modeling work completed by the Alberta Research Council (ARC) (Nasr, 2003), Imperial Oil Resources, and ExxonMobil indicates that the addition of solvent to the dry steam increases bitumen production rates and decreases the steam oil ratio (SOR) relative to conventional SAGD processes. A key objective of this pilot is to safely collect high-quality field data to support these findings and quantify process improvement. This paper will focus on the pilot design approach taken to ensure that the multi-year pilot is successful as well as highlight early pilot performance and operation. Specific design aspects which will be discussed include the choice for the pilot location, the use of detailed geologic models to design and place the horizontal wells, and solvent measurements. Early field results are consistent with expectations. However, longer term operation is required to make a more quantitative assessment. In addition, the pilot operation has demonstrated excellent control of injection pressure, which is critical to the application of this technology in settings with bottom water or top gas.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».