MétaCan
Menu
Retour à la cohorte
Enregistrement W2243275638 · doi:10.2118/174431-ms

A Practical Approach for the Modeling of Foamy Oil Drive Process

2015· article· en· W2243275638 sur OpenAlexaff
Chonghui Shen

Notice bibliographique

RevueSPE Canada Heavy Oil Technical Conference · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensShell (Canada)
Organismes subventionnairesnon disponible
Mots-clésRelative permeabilityCoalescence (physics)Petroleum engineeringEnhanced oil recoverySupersaturationViscosityGas oil ratioCabin pressurizationVolumetric flow rateComputer scienceSimulationProcess engineeringMechanicsMaterials scienceThermodynamicsMechanical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Cold heavy oil production exploits the mechanism of enhanced solution gas (or foamy-oil) drive to achieve an economic oil flow rate and ultimate recovery. Understanding the dynamics of foamy-oil drive and being able to simulate the process make it possible to evaluate the potential of cold production more realistically. A generic kinetic model based on known solution gas exsolution and evolution process has been proposed and tested. The sequence of gas exsolution in foamy-oil drive can be described by the following four major steps and corresponding (first-order) mechanisms: Supersaturation from pressure drawdownBubble nucleation under super-saturationBubble growth under molecular diffusionBubble coalescence from film drainage The effects of dispersed gas on the gas phase mobility has been modeled with a simple viscosity mixing rule by assigning a much higher viscosity to the dispersed gas component. The benefits of this approach is that the apparent low mobility of the gas phase in the foamy-oil drive process can be attributed to the viscosity change, instead of rate dependent relative permeability. Therefore, a “normal” relative permeability can be used for a wide range of rate conditions. The proposed dynamic model has been validated with the history matches of both the volume draw down and the pressure draw down laboratory test data. The validation reveals that one can use a set of consistent dynamic parameters to match the results of various tests under different draw down rates. The dynamic model has been implemented in a commercial reservoir simulator (CMG-STARS) with available options.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,296
Écart entre enseignants0,235 · 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'étudeSimulation ou modélisation
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

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Canada Heavy Oil Technical ConferenceMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207