The evaluation of CO2-based vapour extraction (VAPEX) process for heavy-oil recovery
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
Vapor extraction (VAPEX) has been proposed as an alternative for heavy-oil recovery in reservoirs where thermal methods face technical and economic problems. In VAPEX, a pair of horizontal injector-producer wells is employed. The gaseous hydrocarbon solvent (normally propane or a mixture of methane–propane or propane–butane) is injected from the top well and the diluted oil drains downward by gravity to the bottom producer. Recently, the idea of incorporation of CO 2 into the gaseous hydrocarbon mixture has emerged. Incorporation of CO 2 is believed to make the process more economical and environmentally and technically attractive. CO 2 is cheaper than the hydrocarbon gases and has higher solubility into the heavy oil than most of the hydrocarbon gases. It also adds value to the environmental side of the process as CO 2 can be sequestered while improving the VAPEX performance at the same time. Moreover, the addition of CO 2 to the injected gas increases the dew point of the solvent mixture, and solvent mixtures with higher dew point can be used in heavy-oil reservoirs with higher pressure in which the mixture of hydrocarbon gases may partly condense, which decreases the VAPEX efficacy. Thus, the advantage of incorporating CO 2 into the injected solvent is threefold. The objective of this work, therefore, is to simulate the performance of the VAPEX process when different solvent mixtures, including hydrocarbon gases and CO 2 , are incorporated with the aim of improving its performance. The design and the major results of the simulation for the CO 2 -based VAPEX process are discussed.
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| 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