MétaCan
Menu
Retour à la cohorte
Enregistrement W2026392031 · doi:10.2118/2009-176

Parameter Evaluation of CO2 Sequestration Capacity in Depleted Oil Reservoirs - Coreflood Tests and Numerical Simulation

2009· article· en· W2026392031 sur OpenAlexafffundabout
S. Wang, Mingzhe Dong, Zhong Li

Notice bibliographique

RevueCanadian International Petroleum Conference · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of ReginaUniversity of Calgary
Organismes subventionnairesNatural Resources CanadaPetroleum Technology Research Centre
Mots-clésPetroleum engineeringEnvironmental scienceEnhanced oil recoveryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract CO2 sequestration in depleted oil reservoirs provides an appealing option for reducing CO2 emissions in the atmosphere. However, the available space in most depleted oil reservoirs for storing CO2 is quite limited because a large portion of the reservoir is occupied by the remaining water and residual oil. It is important to answer the question how to remove the remaining water and residual oil, thus maximize the capacity of CO2 storage in depleted oil reservoirs. In this paper, a comprehensive and systematic approach was taken to study the parameters affecting CO2 sequestration capacity in depleted oil reservoirs. Two groups of laboratory CO2 sequestration experiments were conducted at 59 °C and 5,500 kPa to study the effect of gravity on the CO2 sequestration process and provide history matching data for core-scale simulation. Orthogonal experiment analysis based on corescale simulation indicates that the three most important parameters for CO2 storage capacity are fluid flow direction, capillary pressure and reservoir pressure. Numerous simulation runs were conducted to investigate the detailed influence of fluid flow direction, capillary pressure, reservoir pressure, temperature, production rate, and injection timing. Simulation results indicate that CO2 should flow vertically and the roles of capillary pressure are different in cases of different fluid flow directions. Introduction CO2 sequestration in depleted oil reservoirs is among the most appealing options for reducing CO2 concentration in the atmosphere. Many reservoirs in Canada are potential candidates for CO2 sequestration[1–3]. However, the available space in most depleted oil reservoirs for storing CO2 is limited because the major portion of the reservoir is occupied by the water either injected during the recovery processes or invaded as a result of reservoir pressure decrease. The CO2 storage capacity in water as dissolved gas is much less than that of CO2 as supercritical gas. Meanwhile, the residual oil saturation after most tertiary recovery methods is still as high as 30%[4]. The remaining water and residual oil restrict the CO2 storage capacity in the depleted oil reservoirs. The objective of this paper was to evaluate the parameters affecting the storage capacity of CO2 from core scale experiments and simulations, thus to seek for methods to efficiently displace and produce water and oil retained in reservoirs after an enhanced oil recovery process. Many previous studies about CO2 injection are related to enhancing oil recovery rather than improving CO2 storage capacity[5–8]. Orr et al.[5] had a detailed discussion about mechanism of CO2 flooding for enhanced oil recovery, including swelling effect, viscosity reduction effect, and multiple-contact-miscible mechanism. The aim of those studies is to enhance oil recovery with the use of as little amount of CO2 as possible. However, CO2 sequestration is to sequestrate as much CO2 as possible safely in underground formations in a geological time frame. This process involves the balance of gravity force, viscous force and capillary pressure[9,10]. The methodology developed in this paper is important for both CO2 storage site selection and CO2 storage injection strategy in a candidate depleted oil reservoir.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,109
Score d'incertitude au seuil0,984

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,055
Tête enseignante GPT0,286
Écart entre enseignants0,231 · 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'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

Citations4
Publié2009
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian International Petroleum ConferenceMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207