Energy Gain Efficiency in Steam-Assisted Gravity Drainage (SAGD)
Notice bibliographique
Résumé
Abstract Steam Assisted Gravity Drainage (SAGD) is a highly popular method for extracting bitumen in situ, and has gained wide acceptance for unlocking Canada's bitumen reserves. Although SAGD is very attractive, it is energy and labor intensive, produces significant quantity of emissions, and requires large water resource and treatment facility. This study addresses these issues by proposing a method to sequester steam boiler exhaust CO2, but focuses specifically on improving the energy gain ratio by reducing the energy input. The proposed method is to augment steam injection with less energy intensive, less expensive, non-condensable gases (CO2 and flue). To quantify the benefits of the method and assess the effectiveness of the process we use energy gain ratio as the main yardstick of the assessment. Five cases of SAGD were simulated with a thermal simulator using a bitumen field data. The study conclusively shows that the process is viable. Specifically the study results in four main conclusions: First, energy gain ratio can be improved by augmenting steam injection with non-condensable gases, for example, if we augment CO2 with steam in a cyclic fashion, energy gain increases by a factor of 1.5 to almost 2. Second, CO2 and flue gas produce the same energy gain ratios and the same recovery factors. Third, intermittent cyclic steam injection performs better than the continuous steam injection in terms of energy gain ratio and recovery factor. Fourth, the injection sequence and the length of the steam and non-condensable gas cycles are important to optimize water and gas breakthrough times. It can also be inferred that reducing steam injection produces economic gains by reducing water usage, fuel requirements for steam generation, and water softening volumes. Also augmenting steam with non-condensable gases reduces green house gas emissions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».