Pressure Maintenance and Improving Oil Recovery via Water-Alternating-CO2 Process in Thin Heavy Oil Reservoirs
Notice bibliographique
Résumé
Abstract Techniques have been developed to experimentally and numerically evaluate performance of water-alternating-CO2 processes in thin heavy oil reservoirs for the purpose of pressure maintenance and improving oil recovery. Experimentally, a three-dimensional (3D) physical model consisting of three horizontal wells and five vertical wells is used to evaluate the performance of water-alternating-CO2 processes. Two well configurations have been designed to examine their effects on heavy oil recovery. The corresponding initial oil saturation, oil production rate, water cut, oil recovery and residual oil saturation distribution are examined under various operating conditions. Subsequently, numerical simulation is performed to match the experimental measurements and optimize the operating parameters (e.g., slug size and water-CO2 ratio). It has been shown that water-alternating-CO2 processes implemented with horizontal wells can be optimized to significantly improve performance of pressure maintenance and improving oil recovery in thin heavy oil reservoirs. The incremental oil recovery of 12.4% and 8.9% through three water-alternating-CO2 cycles are experimentally achieved for the aforementioned two well configurations, respectively. The excellent agreement between the measured and simulated cumulative oil production indicates that the displacement mechanisms governed water-alternating-CO2 processes have been numerically simulated and matched. The WAG ratios of 0.75 and 1.00 are found to be the optimum values for Scenarios #1 and #2, respectively.
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 | 0,001 |
| 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 ».