MétaCan
Menu
Retour à la cohorte
Enregistrement W2015606724 · doi:10.2118/150703-ms

An Evaluation of Air Injection as a Follow-Up Process to Cyclic Steam Stimulation in a Heavy Oil Reservoir

2012· article· en· W2015606724 sur OpenAlexafffund
J. Y. Wang, Ian D. Gates

Notice bibliographique

RevueSPE Heavy Oil Conference Canada · 2012
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Research Council Canada
Mots-clésSteam injectionSecondary air injectionPetroleum engineeringWell stimulationEnvironmental scienceSteam-assisted gravity drainageEnhanced oil recoveryWaste managementCombustionOil fieldProcess (computing)AsphaltPetroleumEngineeringOil sandsMaterials scienceReservoir engineeringGeologyChemistryComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The majority of bitumen and extra heavy oil is produced by steam-based recovery processes yet these methods are energy intensive and emit large amounts of greenhouse gas to the atmosphere. Not only is the emissions intensity high due to steam generation, but also the water handling and treating facilities required for these recovery methods is expensive both to purchase and install but also to operate. A lot of focus of research has been on reduced steam processes, such as thermal-solvent techniques, as well as in situ combustion technologies such as Air Injection. Here, air injection is evaluated as a follow-up process to Cyclic Steam Stimulation in a deep thick heavy oil reservoir. The reservoir simulation model is obtained from a history-match to existing cyclic steam stimulation (CSS) field data. The results demonstrate that an additional 33% oil recovery is reached by using an air injection follow-up process. This gives a total recovery factor equal to about 55%. Based on incremental cumulative energy-to-oil ratio, the results suggest that air injection follow-up processes should be considered for post-CSS operations but that further improvement of the energy intensity is needed.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,674
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,036
Tête enseignante GPT0,314
Écart entre enseignants0,278 · 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'étudeAutre devis
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

Citations1
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference CanadaMême sujetPetroleum Processing and AnalysisTravaux en français237 207