Modeling of the VAPEX Process in a Very Large Physical Model
Notice bibliographique
Résumé
Solvent-based nonthermal heavy oil recovery methods are relatively new and still under development. The central idea in such techniques is to rely on solvent dissolution for viscosity reduction instead of heating. Among the solvent-based methods, VAPEX appears to be the most promising. In thin heavy oil and bitumen reservoirs, where the thermal processes are likely to fail due to excessive heat losses, VAPEX can be more successful. Nonetheless, the economic viability of VAPEX remains uncertain due to lower oil production rates predicted by scale-up of laboratory model results using the transmissibility based scaling criteria. However, such scaling is far from reality, and our previous experimental work [Yazdani and Maini. SPE Reservoir Eng. Eval. 2005, 8, 205−213] has shown that it underestimates the field rates. This paper presents the design of a very large physical model as well as the results of a set of VAPEX experiments carried out in this model. The results are, interestingly, in very good agreement with the trend of the previous experiments conducted by the authors [Yazdani and Maini. SPE Reservoir Eng. Eval. 2005, 8, 205−213] in smaller models. The results from this large model were combined with the previous results to improve the previously reported empirical scale-up correlation.
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 ».