Stochastic Optimization of Hot Water Flooding Strategy in Thin Heavy Oil Reservoirs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Stochastic optimization, based on a simulated annealing method, was done to determine the optimum hot water-flooding strategy for recovery of oil from thin (<6 m) heavy oil reservoirs. The results reveal that high injection pressures are critical to a successful hot water flooding strategy. For water temperature during injection, the results show from a thermal efficienty point of view that that it is most efficient to adopt a temperature profile where the injection temperature starts high and ends at low water temperature. Multiple cycles of this profile might be beneficial depending on the reservoir conditions. The lower temperature injection at later stages of the recovery process partially recovers the heat stored in the reservoir matrix and therefore increases the overall heat utilization efficiency. A sensitivity analysis shows that the permeability distribution affects the performance of the hot water flooding process most significantly. The existence of a higher permeability zone in the lower part of the reservoir leads to earlier oil production and water breakthrough. The absolute permeability value has the largest effect on process performance. High permeability was found to lead to more oil and water production in the early stage of operation and achieved the best economic performance. The low permeability case was found to show a slow oil production. Although it has the lowest cumulative injected energy to oil produced ratio, poor oil production made the operation process uneconomic. Keywords: thin heavy oil reservoirs, hot water-flooding, energy to oil ratio, stochastic optimization, simulated annealing
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.
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) | 0,001 | 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 découle