MétaCan
Menu
Retour à la cohorte
Enregistrement W2071253754 · doi:10.2118/157825-ms

Use of Acid Gas (CO2/H2S) for the Cyclic Solvent Injection (CSI) Process for Heavy Oil Reservoirs

2012· article· en· W2071253754 sur OpenAlexaffabout
Mark Huerta, José M. Alvarez, E. Jossy, Ken Forshner

Notice bibliographique

RevueSPE Heavy Oil Conference Canada · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensAlberta Innovates
Organismes subventionnairesnon disponible
Mots-clésPropanePetrochemicalGreenhouse gasEnhanced oil recoveryMethanePetroleum industryFossil fuelPetroleum engineeringAcid gasEnvironmental sciencePetroleumSolventSulfurWaste managementChemistryEnvironmental engineeringGeologyOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Acid gas is a greenhouse gas (GHG) composed of (CO2/H2S). It is produced during oil, gas, and petrochemical operations. During the last several years, there has been an increasing pressure within the oil industry in Canada to further reduce GHG emissions. Another environmental problem within the oil industry comes from the elemental sulphur, which is converted from the H2S and is accumulated on the surface. Currently, there exist two technological solutions to deal with this challenge. The first one is acid gas injection into geological formations for sequestration purposes. This option has been developed in Canada over the last 22 years. The second one is the use of it for EOR operations in conventional oil reservoirs. This option has successfully been applied in Zama, a Canadian conventional oil reservoir. There is an interest within the oil industry again to evaluate the performance of CO2/H2S to also recover heavy oil during the Cyclic Solvent Injection (CSI) process. The CSI process has already shown success in improving heavy oil recovery after primary cold production (CHOPS) using pure solvents or (CO2 /propane or CH4/propane) mixtures. Consequently, if feasible, CO2/H2S injection for CSI could also contribute to increase the heavy oil recovery factor while eliminating the accumulation of sulphur on the surface and sequestering this greenhouse gas. The results of this work indeed demonstrated that the CO2/H2S mixture tested performs better for the CSI process than some of the conventional solvents previously tested i.e. pure CO2 or methane/propane mixture. Not only the recovery factor was better but also the oil recovery declined less with subsequent cycles by using CO2/H2S mixture rather than using pure CO2. It is important to mention though that the mixture of CO2/propane still shows the best performance in the series of solvents studied so far for the Cyclic Solvent Injection at Alberta Innovates Technology Futures.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,075
Tête enseignante GPT0,300
Écart entre enseignants0,224 · 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

Citations16
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference CanadaMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207