Preconditioning Methods to Improve SAGD Performance in Heavy Oil and Bitumen Reservoirs with Variable Oil Phase Viscosity
Notice bibliographique
Résumé
Abstract The majority of the world's petroleum resources are contained in heavy oil and oil sand reservoirs. Average recoveries from heavy oil and oil sand reservoirs are typically low ranging from 5 to 15 percent for cold heavy oil production and from 30 to 85 percent for steam-based in situ processes. There are two reasons for this: first, geological heterogeneity in the form of variable porosity and permeability properties and secondly, fluid heterogeneities in the form of variable saturations, fluid compositions and thus viscosity. Geological heterogeneities refer to spatial variations of porosity, permeability, relative-permeability curves, shale and mud layers, etc. Fluid heterogeneities refer to spatial variations of the fluid composition and properties such as viscosity and density. Given that the permeability often varies by less than an order of magnitude whereas the oil viscosity varies by up to two orders of magnitude in a bitumen reservoir, the controlling variable on recovery of these resources is often fluid compositional variations. Due to the large viscosity contrast between oil and water at native reservoir conditions water is often the most mobile phase within a bitumen reservoir. This research identifies preconditioning techniques that can be used to alter reservoir or fluid (oil or water) properties prior to thermal recovery reducing adverse reservoir factors and improving recovery, environmental impact and process economics. We describe here a simulation study of one application related to modifying the variation of oil viscosity in the reservoir prior to steam injection. The methods make use of mobile water within the reservoir, to distribute viscosity-reducing agents before steam injection, and represent another means of geotailoring recovery processes to the features of the reservoir. The main benefit is that recovery process performance, both in terms of oil production rate and thermal efficiency, is improved.
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 | 0,000 | 0,001 |
| 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 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 ».