MétaCan
Menu
Retour à la cohorte
Enregistrement W2060781636 · doi:10.2118/165485-ms

Integrating the Key Learnings from Laboratory, Simulation, and Field Tests to Assess the Potential for Solvent Assisted - Steam Assisted Gravity Drainage

2013· article· en· W2060781636 sur OpenAlexaffabout
Jasper L. Dickson, Larry M. Dittaro, Thomas J. Boone

Notice bibliographique

RevueSPE Heavy Oil Conference-Canada · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensImperial Oil (Canada)
Organismes subventionnairesnon disponible
Mots-clésSteam-assisted gravity drainagePetroleum engineeringSteam injectionProcess (computing)Oil fieldProcess engineeringEngineeringSystems engineeringComputer scienceOil sands

Résumé

récupéré en direct d'OpenAlex

Abstract ExxonMobil and its Canadian affiliate, Imperial Oil Resources, are actively developing the next generation of solvent-aided and solvent-dominated heavy oil recovery processes. While these new recovery processes possess multiple environmental and technical advantages relative to traditional heavy oil recovery processes, there are a variety of challenges that must be addressed and overcome before commercial application. One especially promising technology is the Solvent Assisted – Steam Assisted Gravity Drainage (SA-SAGD) process. In the SA-SAGD process, a light hydrocarbon solvent (diluent) is injected along with dry steam in a dual horizontal well SAGD configuration. An integrated research program has been implemented in order to progress the SA-SAGD technology from the laboratory to the field and to better quantify the benefits of SA-SAGD over SAGD. This integrated research program includes fundamental laboratory work, advanced numerical simulation studies, scaled physical laboratory models, and a two well-pair field pilot. In this paper, we review the scope, technical challenges, and key learnings from the laboratory, numerical modeling efforts, and the field pilot. Each individual component of the research program is important and provides unique and useful information concerning the SA-SAGD process. Given the technical and economic challenges of solvent-assisted thermal heavy-oil processes, these types of fully integrated research programs are essential in order to successfully progress new technologies from the laboratory to the pilot scale and ultimately to the commercial scale. Ultimately, the program is targeted at developing reliable commercial predictive capabilities that have been validated against both laboratory and field data, for application to a wide range of heavy oil reservoirs, operating conditions, and development plans.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,252
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations20
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

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