Performance of a SAGD Process with Addition of CO2, C3H8, and C4H10 in a Heavy Oil Reservoir
Notice bibliographique
Résumé
Abstract A comprehensive simulation has been conducted to evaluate performance of the conventional SAGD and CO2-solvent(s)-assisted SAGD processes in a real field case. Compared to the steam-only process (i.e., the conventional SAGD process), addition of CO2, C3H8 and C4H10 to the steam stream has been found to slightly reduce the oil recovery proportionally if the total injection rate is maintained constant. As for adding one agent, the C4H10-SAGD and CO2-SAGD processes lead to the smallest and largest reduction in oil recovery, respectively. The optimum C4H10 concentration is 5% volume fraction. As for adding two agents, the C3H8-C4H10-SAGD process results in the lowest reduction in oil recovery. C3H8-C4H10 is the optimum binary solvent mixture with its volume fraction of 5% each in the mixture. As for adding three agents, the CO2-C3H8-C4H10-SAGD process leads to the highest reduction in oil recovery. The optimum concentration of CO2-C3H8-C4H10 ternary solvent mixture is found to be 5% for each solvent by volume. Although CO2 has the least oil recovery, it achieves the highest SAGD thermal efficient among the solvent assisted processes. This means that, in addition to its being stored the most in the formation, CO2 has the most capability to hinder heat transfer and to maintain the most thermal efficiency in a SAGD process. The energy requirements are reduced substantially with addition of the three solvents to the steam stream in the SAGD process, though the oil recovery is slightly reduced.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».