A Semi-analytical Approach for Estimating Optimal Solvent Use in Solvent Aided SAGD Process
Notice bibliographique
Résumé
Abstract SAGD process is widely used to recover heavy oil and bitumen from formations where no other recovery method is proven to be economical. It is an energy intensive process and due to economic and environmental reasons, solvents as additives to the injected steam are currently being explored to reduce energy and emissions intensity of SAGD. The Solvent Aided Process (SAP), tested in field and described in literature, is one such attempt. In SAP, a small amount of hydrocarbon solvent is introduced as an additive to the injected steam. The viscosity of the oil thus is also reduced due to solvent dilution in addition to heating. SAP can significantly improve the energy efficiency of SAGD, thus reducing the heat requirement as shown in field trials discussed elsewhere. However on the use of right amount of solvent that can result in best overall performance, there is very little discussion in the literature. Due to the high cost of such solvents there is incentive to optimize their use in SAGD. Recently a couple of authors have attempted to address the subject by, for example, using arbitrary time-dependent schemes of solvent injections and assessing their impact on results or treating the internal reservoir dynamics as black-box and using optimization methods such as genetic algorithm to estimate optimal amount of solvent. While these approaches orient us to the problem in a context specific manner, it is believed a generalized treatment to estimate optimal use of solvent requires a mechanism-based understanding. The approach presented in this paper aims to estimate the optimal solvent in SAGD context. It breaks down the process in its relevant theoretical elements, i.e., a sequential frontal advance with progressive front renewal on account of gravity drainage. This in turn facilitates investigation of a relationship between phase behavior of the solvent, its amount, and the performance of the recovery process. The results are discussed for a few light-alkane solvents. Better optimal solvent estimates promise to shed light on the supply logistics of these solvents, improve the overall economics and reduce the energy requirements of the heavy oil and bitumen recovery projects.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».