Design of Solvent-Assisted SAGD Processes in Heterogeneous Reservoirs Using Hybrid Optimization Techniques
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Summary Numerous steam-assisted gravity-drainage (SAGD) optimization studies published in the literature combined numerical simulation with graphical or analytical techniques for design and performance evaluation. Efforts have integrated the simulation exercise with global optimization algorithms. Some studies focused on optimization of cumulative steam/oil ratio (cSOR) in SAGD by altering steam-injection rates, while others focused on optimization of net cumulative energy/oil ratio (cEOR) in solvent-additive SAGD by altering injection pressures and fraction of solvent in the injection stream. Several studies also considered total project net-present-value (NPV) calculation by changing total project area, capital-cost intensities, solvent prices, and risk factors to determine the well spacing and drilling schedule. Optimization techniques commonly used in those studies were scattered search, simulated annealing, and genetic algorithm (GA). However, applications of hybrid GA were rarely found. In this paper, we focused on optimization of solvent-assisted SAGD using various GA implementations. In our models, hexane was selected to be coinjected with steam. The objective function, defined on the basis of cSOR and recovery factor, was optimized by changing injection pressures, production pressures, and injected solvent/steam ratio. Techniques, including orthogonal arrays (OA) for experimental design (e.g., Taguchi's arrays) and proxy models for objective-function (F) evaluations, were incorporated with the GA method to improve computational and convergence efficiency. Results from these hybrid approaches revealed that an optimized solution could be achieved with less central-processing-unit time (e.g., fewer number of iterations) compared with the conventional GA method. Sensitivity analysis was also conducted on the choice of proxy model to study the robustness of the proposed methods. To investigate the effects of heterogeneity in the design process, optimization of solvent-assisted SAGD was performed on various synthetic heterogeneous reservoir models of porosity, permeability, and shale distributions. Our results highlight the potential application of the proposed techniques in other solvent-enhanced heavy-oil-recovery processes.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,001 |
| 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 découle