The Effectiveness of MEOR Permeability Modification Beyond the Well Bore
Notice bibliographique
Résumé
Abstract Biofilms produced from microbes have been shown to reduce the permeability of high perm streaks which can result in improved sweep efficiency. The rate of permeability modification is very reproducible but can vary depending on the specific treatments used. Our approach has been to inoculate the reservoir with a microbe that under the optimal nutrient conditions will express a biopolymer as a film, reduce the size of pore throats and reduce the apparent permeability. The microbe and the nutrients are tailored to the conditions of each reservoir thus giving MEOR the greatest chance for success. This paper presents data that shows modification of permeability can be accomplished away from the injector well bore by microbial production of a biofilm using a proprietary feed protocol (8). These lab scale experiments show that it is possible to do MEOR without affecting the near well bore region of an injector well. A unique set of slim tube experiments are described and an outline of the experimental procedure is provided. This work is a continuation of tests described in earlier papers (SPE129657, SPE146483 and SPE159128 – references 4, 5 and 6). The zone of permeability modification was measured in a specially designed hydraulically constrained and segmented slim tube. The permeability was modified in later segments of the slim tube using a proprietary protocol. This demonstrates the ability to modify the permeability and control its placement well beyond the injector well bore where it can have a greater effect and avoid near well bore formation damage. In other tests, this permeability modification was shown to change composite slim tubes with high permeability contrast to a system of slim tubes that showed no permeability contrast.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».