MétaCan
Menu
Retour à la cohorte
Enregistrement W2039413040 · doi:10.2118/150169-ms

Pressure Maintenance and Improving Oil Recovery with CO2 Injection in Heavy Oil Reservoirs

2011· article· en· W2039413040 sur OpenAlexafffund
Sixu Zheng, Huazhou Li, Daoyong Yang

Notice bibliographique

RevueSPE Heavy Oil Conference and Exhibition · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPetroleum Technology Research Centre
Mots-clésPetroleum engineeringOil in placeInjectorResidual oilOil productionSaturation (graph theory)Water injection (oil production)Environmental scienceGas oil ratioEnhanced oil recoveryOil wellResidualFossil fuelMaterials sciencePetroleumGeologyWaste managementEngineeringComputer scienceMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, techniques have been developed to experimentally evaluate performance of CO2 injection in heavy oil reservoirs for pressure maintenance purpose. More specifically, a three-dimensional (3D) physical model consisting of five vertical wells and three horizontal wells is used to examine effect of well configurations on pressure maintenance and oil recovery with CO2 injection in heavy oil reservoirs. The initial oil saturation, oil production rate, water cut, gas-oil ratio, ultimate oil recovery, and distribution of residual oil saturation are examined under various well configurations, which can be optimized to maximize heavy oil recovery when CO2 injection is employed for pressure maintenance purpose. The well configuration with a horizontal producer plus four vertical injectors is found to achieve a better performance than the conventional five-spot well configuration, while the oil recovery is experimentally determined to be 15.7% of OOIP during CO2 injection process.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,209
Écart entre enseignants0,193 · 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

Citations10
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

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