MétaCan
Menu
Retour à la cohorte
Enregistrement W2040978754 · doi:10.2118/170123-ms

Semi-Analytical Modeling of Steam-Solvent Gravity Drainage of Heavy Oil and Bitumen, Part 2: Unsteady-State Model with Curved Interface

2014· article· en· W2040978754 sur OpenAlexaff
Moosa Rabiei Faradonbeh, Thomas G. Harding, Jalal Abedi

Notice bibliographique

RevueSPE Heavy Oil Conference-Canada · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensNexen (Canada)University of Calgary
Organismes subventionnairesnon disponible
Mots-clésSteam-assisted gravity drainageSolventSteam injectionDiffusionPetroleum engineeringMechanicsMaterials scienceThermodynamicsChemistryAsphaltGeologyOil sandsPhysicsOrganic chemistryComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Co-injection of solvent with steam in SAGD has shown promise for enhancing oil rates as well as in reduction of energy and water consumption. Modeling and optimization of hybrid steam-solvent recovery processes with commercial numerical simulators can be very time consuming. In addition, the complex interaction of heat and solvent effects in mobilizing heavy oil at the vapour chamber boundary are often difficult to ascertain from the numerical models. Semi-analytical mathematical models can provide insight into the physics of the processes and may be used to estimate production rates and thermal efficiency in much less time. In this study, an unsteady-state semi-analytical model was developed to predict the oil flow rate in the steam-solvent assisted recovery process. The model assumes a curved interface with transient temperature and solvent distribution in the mobile zone. It also accounts for transverse dispersion and concentration-dependent molecular diffusion for solvent distribution. The oil flow rate and interface profile are predicted at each time in an iterative fashion. The results show that the coefficient of diffusion-concentration function significantly affects the solvent penetration depth and its distribution. The semi-analytical model was able to predict oil production rates using different solvents co-injected with steam, in agreement with reported experimental data. The proposed model reveals the complex interaction of heat and solvent solubility and diffusion as they affect mobilization and production of viscous oil. This model may be used to find the optimal operation parameters for the process over a range of different reservoir qualities and pressures, in a very time-efficient manner. The final outcome may lead to an efficient design of a steam-solvent recovery process that utilizes less water and reduces the amount of energy and gas emissions per barrel of oil produced.

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 enseignants0,984
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,222
Écart entre enseignants0,204 · 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

Citations22
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference-CanadaMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207