MétaCan
Menu
Retour à la cohorte
Enregistrement W2003693350 · doi:10.2118/129478-ms

Integrated Heavy Oil Production with HTL Field-Located Upgrading – Using Upgrading By-Products as a Fuel Source for EOR

2010· article· en· W2003693350 sur OpenAlexaffabout
Joseph D. Kuhach, Edward koshka, Jim Pelham

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensIvanhoe Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésPetroleumWaste managementCapital costOil fieldEnvironmental scienceEnhanced oil recoveryNatural gasUpstream (networking)Production (economics)Process integrationProcess engineeringPetroleum engineeringEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Ivanhoe Energy Inc.'s proprietary HTL upgrading technology is designed to cost effectively process heavy oil in the field and produce a stable upgraded synthetic oil that meets pipeline requirements. Upgrading by-products are converted on-site to steam for enhanced oil recovery (EOR). In developed markets, HTL improves the economics of heavy oil production by reducing or eliminating the need for natural gas and diluent, and by capturing the majority of the heavy to light oil price differential. In remote areas, where natural gas and diluent are not available, integrated HTL production frees otherwise stranded resources. HTL accomplishes all of this at a much smaller scale, at lower per barrel capital costs, and with less impact on the environment compared with conventional technologies. After years of piloting, development and commercial demonstration, HTL upgrading is in the process of commercial implementation. Integrated HTL/thermal EOR projects are progressing in Canada and Ecuador, illustrating applications in developed and undeveloped markets, respectively. This paper provides a description of the HTL upgrading process, with a particular focus on energy integration with upstream operations.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,165
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,262
Écart entre enseignants0,244 · 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.

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

Citations0
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207