Case Study of Hot Water Foam Flooding in Deep Heavy Oil Reservoirs
Notice bibliographique
Résumé
Abstract EOR of deep waterflooded reservoir with low porosity and permeability is challenged by low heat efficiency of conventional thermal process. Conventional chemical process like surfactant flooding also has some risk because of high oil viscosity and water channeling along fractures since the wells are hydraulically fractured. The conventional waterflooding can only last for a short period of effective production and low water cut level, and the performance enhancement by EOR operations will be greatly reduced after water cut reaches to a high level. Therefore, it is quite urgent to make and apply reasonable EOR strategy for this kind of reservoirs. In this paper, the experiments were carried out to evaluate the potential of continuing conventional waterflooding and the performance of enhancing water temperature and change of injection agents, which optimized that the hot water foam flooding would be the best choice in terms of oil viscosity reduction, conformance profile control and oil displacement efficiency enhancement[1–3]. Based on the 3D geologic modelling, the waterflood target area was extracted and upscaled as the numerical simulation model to make history match and the residual oil saturation analysis. According to the current well status and well spacing, the reservoir engineering optimization was conducted to optimize the foaming system, converting timing and paramters of production and injection. Based on the reservoir engineering design, the hot water foam flooding was implemented from Janurary 2014, and the production performance is quite encouraging, which has the significant guidance for the EOR of similar deep heavy oil reservoirs.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».