MétaCan
Menu
Retour à la cohorte
Enregistrement W2286470569 · doi:10.1021/acs.energyfuels.5b02850

Combined Steam–Air Flooding Studies: Experiments, Numerical Simulation, and Field Test in the Qi-40 Block

2016· article· en· W2286470569 sur OpenAlexaff
Jian Yang, Xiangfang Li, Zhangxin Chen, Ji Tian, Xinguang Liu, Keliu Wu

Notice bibliographique

RevueEnergy & Fuels · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésFlooding (psychology)Petroleum engineeringVolume (thermodynamics)Environmental scienceOil fieldSteam injectionSecondary air injectionComputer simulationWaste managementGeologyEngineeringSimulationThermodynamics

Résumé

récupéré en direct d'OpenAlex

Air has the characteristics of low-temperature oxidation (LTO) as well as improving drainage energy. Therefore, it can be co-injected with steam to enhance an oil recovery factor. This paper studies combined steam–air flooding for heavy oil recovery. Four experiments, including one steam flooding experiment and three combined steam–air flooding experiments, are studied. The volume ratios of air and steam in these three combined flooding experiments are 1:2, 1:1, and 2:1, respectively. The experimental results show that combined steam–air flooding can enhance the oil recovery factor when the volume ratio of air and steam is in a certain range. Furthermore, numerical simulation results show that its temperature and oil recovery tendency are similar to those from the experiments. In the numerical simulation study, an optimal volume ratio of air and steam is 1.5:2. Finally, a field test of combined steam–air flooding in the Qi-40 block of the Liaohe oil field is studied to validate the experimental and numerical results. Results show that air can be an effective additive that enhances heavy oil recovery in a steam flooding process.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,251
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,017
Tête enseignante GPT0,276
Écart entre enseignants0,259 · 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 tête enseignante, 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

Citations28
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207