MétaCan
Menu
Retour à la cohorte
Enregistrement W2237829339 · doi:10.2118/175108-ms

Miscible CO2 Water-Alternating-Gas (CO2-WAG) Injection in a Tight Oil Formation

2015· article· en· W2237829339 sur OpenAlexafffund
Longyu Han, Yongan Gu

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensPetroleum Technology Research CentreUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPetroleum Technology Research CentreUniversity of Regina
Mots-clésPetroleum engineeringMiscibilitySaturation (graph theory)Light crude oilWater injection (oil production)Enhanced oil recoverySurface tensionSolubilityVolume (thermodynamics)GeologyChemistryThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, miscible CO2 water-alternating-gas (CO2-WAG) injection in the Bakken formation is experimentally studied and optimized. First, tight sandstone reservoir rock samples from the Bakken formation are characterized. Second, the saturation pressure, oil-swelling factor, CO2 solubility, CO2-saturated Bakken light crude oil density and viscosity are measured. Third, the vanishing interfacial tension (VIT) technique is applied to determine the minimum miscibility pressure (MMP) of the Bakken light crude oil and CO2 at the actual reservoir temperature. Last, a total of nine coreflood tests are conducted through respective waterflooding, continuous miscible CO2 flooding, and miscible CO2-WAG injection. In the miscible CO2-WAG injection, different WAG slug sizes of 0.125, 0.250, and 0.500 pore volume (PV) and different WAG slug ratios of 2:1, 1:1, and 1:2 are used to study their specific effects on the oil recovery factor (RF) in the Bakken formation. In addition, miscible CO2 gas-alternating-water (CO2-GAW) injection is also tested as an opposite fluid injection sequence of the miscible CO2-WAG injection. It is found that in general, CO2 enhanced oil recovery (CO2-EOR) method is capable of mobilizing the light crude oil in the Bakken tight core plugs under the miscible condition. The miscible CO2-WAG injection has the highest oil RF (78.8% in Test #3), in comparison with waterflooding (43.2% in Test #1), continuous miscible CO2 flooding (63.4% in Test #2), and miscible CO2-GAW injection (66.2% in Test #8). Furthermore, using a smaller WAG slug size of CO2-WAG injection leads to a higher oil RF. The optimum WAG slug ratio is approximately 1:1 for the Bakken tight oil formation. More than 60% of the light crude oil is produced in the first two cycles of the miscible CO2-WAG injection. The CO2 consumption in the optimum miscible CO2-WAG injection is much less than that in the continuous miscible CO2 flooding.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,253
Écart entre enseignants0,229 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207