MétaCan
Menu
Retour à la cohorte
Enregistrement W2046373164 · doi:10.2118/165430-ms

Polymer/Gel Enhanced Foam Flood for Improving Post-Waterflood Heavy Oil Recovery

2013· article· en· W2046373164 sur OpenAlexafffundabout
Wei Zhou, Mingzhe Dong, Xiaoqi Wang

Notice bibliographique

RevueSPE Heavy Oil Conference-Canada · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesPetroleum Technology Research Centre
Mots-clésEnhanced oil recoveryPolymerPermeability (electromagnetism)Materials scienceViscous fingeringPetroleum engineeringFlood mythPorous mediumComposite materialPorosityGeologyChemistryMembrane

Résumé

récupéré en direct d'OpenAlex

Abstract Due to its low cost, excellent injected performance and good blocking capacity for high permeability zones, polymer/gel enhanced foam flood has been proven as an efficient method to improve oil recovery. This paper presents an optimization study of the slug size of polymer enhanced foam (preformed foam) and a study of gel-enhanced foam on oil recovery and high permeability zone blocking for a Saskatchewan heavy oil. A series of sandpack tests with different slug sizes are conducted to investigate the oil recovery performance of polymer enhanced foam flood. The experimental results indicate that, by considering the foam flood efficiency, the optimal slug size of polymer enhanced foam flood is 1.5 PV in this study. For gel enhanced foam flood, the single-sandpack tests suggest that the gel enhanced foam flood and extended waterflood can still significantly improve the oil recovery (up to 24.1%) after polymer enhanced foam flood; the parallel-sandpack test indicates that gel-foam can efficiently promote the oil recovery in the lower permeability layer by modifying the injection profile. In summary, gel enhanced foam can be used as the fourth recovery method for heavy oil reservoirs after initial waterflood and polymer enhanced foam flood.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,787
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,193
Écart entre enseignants0,185 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
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

Citations5
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

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