MEOR Success in Southern Saskatchewan
Notice bibliographique
Résumé
ABSTRACT A Microbial Enhanced Oil Recovery (MEOR) Process was successfully applied in a mature waterflooded reservoir in Saskatchewan, Canada. A nutrient solution, which was designed specifically for this reservoir to stimulate certain indigenous microbes to grow, multiply and help to release oil was tested and piloted. A significant decrease in water cut and increase in oil production has been realized through the selective stimulation of bacteria using nutrient injection. The field is a mature waterflood averaging over 95% water cut. To combat the increasing water cut issue an In-Situ Microbial Response Analysis (ISMRA) was performed on a typical high water cut producer in the area. The test well was treated with a nutrient solution and then shut-in for a number of days to allow specific indigenous microbes to grow and multiply. Upon return to production the well produced at an average of 200% more oil with a 10% decrease in water cut for a year. Pretreatment rates averaged 1.2 m3/day oil and post-ISMRA treatment daily production peaked at 4.1 m3/day oil. As a result of the successful test, a pilot project was initiated and the nutrients were applied in three batch treatments on an injector with three offset production wells. Three weeks after the first batch treatment, a water cut decrease was seen at one of the offset producers. This well's oil production gradually increased from 1.4 to over 8 m3/day. Oil production in another producer doubled from 1.5 to over 3.0 m3/day. Subsequent treatments were tried on marginally economic wells and on a reactivated idle producer. The average decrease in water cut on these wells was over 10%. On the idle well oil production increased from 0.5 m3/day pre-treatment to an average of 3.0 m3/day post treatment. Throughout the world there remains a huge target for EOR processes to target. This successful MEOR application will have tremendous impact on ultimate recovery in many of these reservoirs not only through an increase in production, but a decrease in operating costs through associated reduction in lifting costs with less water production.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».