History Matching of a Successful Polymer Flood Pilot in the Pelican Lake Heavy Oil Field, Canada
Notice bibliographique
Résumé
Abstract A successful polymer flood is being implemented in the Pelican Lake heavy oil field located in Northern Alberta (Canada). With primary recovery around 5-7 % and several billion barrels OOIP, the field offered a big target for EOR but polymer flooding had never been considered in such high viscosity oil (600 to 80,000cp) until the idea of using horizontal wells gave way to a very successful 5 horizontal wells polymer flood pilot in 2005, followed by a progressive extension to the rest of the field. This paper provides a brief description of the polymer flood pilot then focuses on the various steps involved to generate a realistic reservoir model to history match the pilot. Polymer flooding in heavy oil reservoirs (1500 cp oil in the pilot area) using horizontal wells is really new and the response of the pilot was not totally expected. The oil rate has increased beyond expectations but more surprisingly, the water-cut has increased very slowly and is only in the 50-60 % range after 7 years of operations. History matching the pilot history was important in order to understand what was really taking place in the reservoir; it was performed using up to date Assisted History Matching techniques. Good results have been obtained in terms of history matching. The model can therefore be used to investigate the influence on oil recovery of many parameters such as well length and spacing, injection rate, polymer concentration, slug size, and to evaluate additional recovery compared to continued primary recovery or waterflood. History matching the pilot performance opens the door to a better understanding of polymer flooding in heavy oil reservoirs and to increasing the number of potential application cases.
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 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) | 0,000 | 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 tête enseignante, 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 ».