Lessons Learned From Applications of a New Organic-Oil-Recovery Method That Activates Resident Microbes
Notice bibliographique
Résumé
Summary Using a breakthrough process, which does not require microbes to be injected, more than 100 microbial enhanced-oil-recovery (MEOR) treatments were conducted from 2007 to the end of 2010 in oil-producing and water-injection wells in the United States and Canada. On average, these treatments increased oil production by 122%, with an 89% success rate. This paper reviews the MEOR process, reviews the results of the first 100+ treatments, and shares what has been learned from this work. Observations and conclusions include the following: Screening reservoirs is critical to success. Identifying reservoirs where appropriate microbes are present and oil is movable is the key. MEOR can be applied to a wide range of oil gravities. MEOR has been applied successfully to reservoirs with oil gravity as high as 41° API and as low as 16° API. When microbial growth is appropriately controlled, reservoir plugging or formation damage is no longer a risk. Microbes reside in extreme conditions and can be manipulated to perform valuable in-situ "work." MEOR has been applied successfully at reservoir temperatures as high as 200°F and salinities as high as 140,000 ppm total dissolved solids (TDS). MEOR can be applied successfully in dual-porosity reservoirs. A side benefit of applying MEOR is that it can reduce reservoir souring. An oil response is not always observed when treating producing wells. MEOR can be applied to many more reservoirs than thought originallys with little downside risk. This review of more than 100 MEOR well treatments expands the types of reservoirs in which MEOR can be applied successfully. Low-risk and economically attractive treatments can be accomplished when appropriate scientific analysis and laboratory screening are performed before treatments.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».