MétaCan
Menu
Retour à la cohorte
Enregistrement W2038011599 · doi:10.2118/150633-ms

The Well-Wormhole Model of Cold Production of Heavy Oil Reservoirs

2011· article· en· W2038011599 sur OpenAlexfundaboutno aff
C. M. Istchenko, Ian D. Gates

Notice bibliographique

RevueSPE Heavy Oil Conference and Exhibition · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesPetroleum Technology Research CentreUniversity of Calgary
Mots-clésWormholePetroleum engineeringWellboreOil fieldEnvironmental sciencePermeability (electromagnetism)Oil productionStarsGeologyComputer sciencePhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Cold Heavy Oil Production with Sand (CHOPS) is a non-thermal heavy oil recovery technique used primarily in the heavy oil belt in eastern Alberta and western Saskatchewan. Under CHOPS, typical recovery factors are between 5 and 15% with the average being under 10%. This leaves approximately 90% of the oil in the ground after the process becomes uneconomic, making CHOPS wells and fields, prime candidates for EOR and field optimization. CHOPS wells show an enhancement in production rates compared to conventional primary production, which is explained by the formation of high permeability channels known as wormholes. The formation of wormholes has been shown to exist in laboratory experiments as well as field experiments conducted with fluorescein dyes. The major mechanisms for CHOPS production are foamy oil flow, sand failure and sand production. Foamy oil flow aids in mobilizing sand and reservoir fluids leading to the formation of wormholes. Foamy oil behaviour cannot be effectively modeled by conventional PVT behaviour, leading to the use of a kinetic model, which can be easily implemented with the kinetic reaction features in CMG STARS. The sand is mobilized due to sand failure, determined by a minimum fluidization velocity. The individual wormholes will be modeled in CMG STARS using existing wellbore features. The ability to grow a wellbore dynamically is not built into STARS, leading to the creation of a Dynamic Wellbore Module. The module continuously restarts the STARS simulation runs and determines the growth criteria for wormhole growth. If the criterion is met, the wormhole is grown in the appropriate direction; otherwise the simulation is run again until the criterion is met. The proposed model incorporates the major factors in CHOPS production and shows an adequate to fit to model general production trends of typical CHOPS well. The model demonstrates there is a criterion for which wormhole growth occurs as wells as limits its extent of growth in a reservoir. The model can then be used for follow-up EOR processes such as cycle solvent injection as well as field optimization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,053
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,033
Tête enseignante GPT0,232
Écart entre enseignants0,199 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference and ExhibitionMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207