Optimization of Solvent Additive SAGD Applications using Hybrid Optimization Techniques
Notice bibliographique
Résumé
Abstract Heavy oil and bitumen recovery cost is excessive mainly due to high energy requirement to generate heat and its environmental impacts. Steam Assisted Gravity Drainage (SAGD) is an example of this case; the determination of optimal operating conditions, such as injection rates and well locations, based on reservoir and fluid characteristics is essential in the design of field applications. Many Steam Assisted Gravity Drainage (SAGD) optimization studies published in the literature combined numerical simulation with graphical or analytical techniques for design and performance evaluation. There have been limited efforts that integrated the simulation exercise with global optimization algorithms. Some studies focused on optimization of cumulative steam-to-oil ratio (cSOR) in SAGD by altering steam injection rates, while others focused on optimization of cumulative net energy-to-oil ratio (cEOR) in solvent-additive SAGD by altering injection pressures and fraction of solvent in the injection stream. Typical scoring functions were the net present value per hectare of land (NPV/ha) by controlling steam and solvent rates. Several studies also considered total project net present value calculation by changing total project area, capital cost intensities, solvent prices, discount rate, and risk factors to determine the well spacing and drilling schedule. Optimization techniques commonly used in those studies were scattered search, simulated annealing, and genetic algorithm (GA). However, applications of hybrid genetic algorithm were rarely found. In continuation of these efforts, we focused on optimizing the SAGD process and its extension to solvent-additive SAGD using hybrid genetic algorithm. The objective function was defined to obtain the lowest cumulative steam-oil ratio (cSOR) and highest recovery factor. It was used later as scoring function by changing operating pressure, solvent-to-steam ratio, and steam injection rates. The results in this paper can be implemented directly in the efforts of minimization of cost and environmental impacts while accelerating the recovery in SAGD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».