Understanding the Impact of Temperature-Dependent Thermal Conductivity on the Steam-Assisted Gravity-Drainage (SAGD) Process. Part 1: Temperature Front Prediction
Notice bibliographique
Résumé
Abstract Steam-assisted gravity drainage (SAGD) is the preferred thermal recovery method used to recover bitumen from Athabasca deposits in Alberta, Canada. In SAGD, steam injected into a horizontal injection well is forced into the reservoir, losing its latent heat when it comes into contact with the cold bitumen at the edge of a depletion chamber. Heat energy is transferred from steam to reservoir, reducing the viscosity of the bitumen, which flows under gravity toward a horizontal production well. Conduction is the main heat transfer mechanism in early SAGD, and reservoir thermal conductivity is a key parameter in conductive heat transfer. Conductive heat transfer occurs at a higher rate across reservoirs with higher thermal conductivity, which in turn affects the temperature profile ahead of the steam interface. Consequently, a reservoir with higher thermal conductivity will result in higher reservoir heating rates, and higher oil production rates. When the oil sands reservoir undergoes a temperature change from reservoir temperature to steam chamber temperature the thermal conductivity decreases up to 25% (depending on the initial reservoir and steam temperature), which affects the temperature profile and conductive heating within the reservoir. This study provides a modified Butler's model which includes a temperature-dependent thermal conductivity value. A simplified method is suggested using the thermal conductivity at average temperature of steam and reservoir will keep error under 1% for the range of SAGD applications. This novel approach is the first of its kind to incorporate a temperature-dependent thermal conductivity within the reservoir to a SAGD analytical model.
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 | 0,001 | 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 | 0,001 |
| 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 ».