Production Optimization and Uncertainty Assessment in a CO2 Flooding Reservoir
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
Abstract The main objective of modern reservoir management is to maximize the oil recovery when a displacing agent, such as CO2, is injected to displace the residual oil in a reservoir. Such process can be controlled properly by allocating the injected fluids to the injectors and adjusting the produced fluids from the producers. Inappropriate production-injection strategy leads to early breakthrough, unstable pressure distribution, and low ultimate oil recovery. Furthermore, presence of physical and/or financial uncertainties elevates the complexity of the field production optimization. In this paper, a pragmatic technique has been developed and successfully applied to determine the optimum production-injection strategy in a CO2 flooding reservoir by incorporating well performance into reservoir simulation in the presence of both physical and financial uncertainties. More specifically, well rates of the injectors and flowing bottomhole pressures of the producers are chosen as the controlling variables. Several variable candidates are first assessed, determined and finally assigned to each well based on the inflow performance curve, multiphase flow behavior in the wellbore, and voidage balance within the reservoir. An objective function associated with both the average net present value (NPV) and the range of NPV uncertainty is then defined, while a modified genetic algorithm is utilized as optimization engine to determine the optimum production-injection strategy. In addition, multiple equal-probable reservoir models are used to account for the physical uncertainty, while prices of oil and CO2 are applied to assess and quantify the financial uncertainty. Compared to the production-injection strategies without optimization, it is shown from a field case that the optimum strategy can postpone the CO2 breakthrough time by 1.5 years, decrease the water cut by 8.4%, and increase the oil recovery and net present value by 7.8% and 6.6%, respectively.
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 | 0,000 | 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 découle