MétaCan
Menu
Retour à la cohorte
Enregistrement W2138274921 · doi:10.2118/124319-pa

MEOR Success in Southern Saskatchewan

2010· article· en· W2138274921 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensHusky Energy (Canada)
Organismes subventionnairesUniversity of SaskatchewanLouisiana State University
Mots-clésNutrientEnvironmental scienceProduced waterPetroleumOil productionMicrobial enhanced oil recoveryWell stimulationPulp and paper industryWaste managementPetroleum engineeringEnvironmental engineeringGeologyReservoir engineeringBiologyEcologyEngineeringBacteria

Résumé

récupéré en direct d'OpenAlex

Summary 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 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 have been realized through the selective stimulation of bacteria using nutrient injection. The field is a mature waterflood averaging more than 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 was shut in for a number of days to allow 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/d of oil (8 BOPD) and post-ISMRA treatment daily production peaked at 4.1 m3/d of oil (26 BOPD). The ISMRA provides a direct support of laboratory studies and frequently increases oil production. As a result of the successful ISMRA, 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 more than 8 m3/d (9 to 50 B/D). Oil production in another producer doubled from 1.5 to more than 3.0 m3/d (9 to 19 B/D). Subsequent treatments were tried on marginally economic wells and on a reactivated idle producer. The average decrease in water cut in these wells was more than 10%. On the idle well, oil production increased from 0.5 m3/d (3 B/D) pretreatment to an average of 3.0 m3/d (19 B/D) post-treatment. Throughout the world, there remains a huge target for enhanced-oil-recovery (EOR) processes to target (Bryant 1991). This successful MEOR application will have a 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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,299
Écart entre enseignants0,276 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle