Laboratory and Simulation Study of Optimized Water Additives for Improved Heavy Oil Recovery
Notice bibliographique
Résumé
Abstract This paper discusses a laboratory evaluation of the feasibility of different chemical flooding strategies and a simulation study to optimize the feasible strategies for a west-central Saskatchewan heavy oil reservoir. The integrated experimental approach was composed of oil/brine interfacial tension (IFT) measurements, polymer viscosity measurements, wetting tendency measurements, and sandpack coreflood tests. The experimental results showed that the equilibrium interfacial tension between reservoir oil and formation brine could be lowered to an ultralow level (0.05 mN/m) by adding a certain concentration of alkali and surfactant into the brine. The addition of alkali and surfactant caused the wettability characteristics in all tested systems to become oil-wet. All of the polymer solutions exhibited pseudo-plastic behaviour, i.e., the apparent viscosity decreased with increasing shear rate. A series of sandpack coreflood tests were carried out to investigate the recovery performance of alkali + surfactant, polymer, and alkali + surfactant + polymer (ASP) floods. Enhanced oil recoveries (from the chemical flood and extended waterflood) varied significantly from 0.71 to 14.65% OOIP. The coreflood results suggest that in enhanced waterflooding for recovering viscous heavy oil, mobility control by polymer is more important than IFT reduction by alkaline/surfactant. In the simulation study, the relative permeability curves were obtained through history matching. Then, as the sensitive operating parameters, the ASP slugs and polymer concentrations were tuned to show their effects on enhanced heavy oil recovery (EHOR). In summary, ASP flooding provides synergistic effects that can maximize the recovery performance.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».