Gasflooding-Assisted Cyclic Solvent Injection (GA-CSI) for Enhancing Heavy Oil Recovery
Notice bibliographique
Résumé
Abstract Cyclic solvent injection (CSI) process takes advantage of solution-gas drive and foamy oil flow for the oil production. However, it suffers from the solvent liberation during the production period. This results in an increased viscosity of the oil and its mobility loss. 0How to recover the partially diluted heavy oil becomes a key challenge for a CSI process. This paper first experimentally studies the conventional CSI processes with a one-well configuration, in which the solvent injector is alternately used the oil producer, and a two-well configuration, in which the solvent injector and oil producer are placed horizontally apart. It is found that during the one-well CSI test, some foamy oil that remains in the solvent chamber at the end of the production period of a previous cycle is pushed back by the injected solvent during the injection period of the next cycle. Such a back-and-forth movement of oil is not observed in the two-well CSI test. In addition, it is found that the oil saturation and oil relative permeability inside the solvent chamber are increased due to the foamy oil flow during the production period. Based on this fact, a new process, namely gasflooding-assisted cyclic solvent injection (GA-CSI), is proposed to enhance the performance of the CSI process. In this new process, a gasflooding slug is applied after the pressure depletion process to produce the partially diluted foamy oil in the solvent chamber. Results show that the GA-CSI process can increase the oil production rate by over 3 times, in comparison with the conventional CSI 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».