MétaCan
Menu
Retour à la cohorte
Enregistrement W2287751119 · doi:10.2118/170161-pa

Heavy-Oil Recovery by Combined Hot Water and Alkali/Cosolvent/Polymer Flooding

2015· article· en· W2287751119 sur OpenAlexfundno aff
Mohsen Tagavifar, Robert Fortenberry, E. de Rouffignac, Kamy Sepehrnoori, G. A. Pope

Notice bibliographique

RevueSPE Journal · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesShell Canada
Mots-clésPetroleum engineeringEnhanced oil recoveryOil shaleSurface tensionAlkali metalOil fieldViscosityPolymerBaffleWater cutWater floodingEnvironmental scienceMaterials scienceChemical engineeringGeologyChemistryWaste managementEngineeringComposite materialThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Summary A hybrid process is developed and optimized for heavy-oil recovery that combines moderate reservoir heating and chemical enhanced oil recovery in the form of alkali/cosolvent/polymer flood. The process is simulated by use of a model derived from existing laboratory and pilot data of a 5,000-cp heavy-oil field. It is found that hot waterflooding is efficient in heating the reservoir only when high early injectivity is achievable. This may not be the case if incipient fluid injectivity is low and/or long, continuous, horizontal shale baffles are present. To remedy the former, an electrical-preheating period is devised, whereas switching to a horizontal flood could overcome the latter. Once the reservoir temperature is raised sufficiently, a moderately unstable alkali/cosolvent/polymer flood is capable of mobilizing and displacing oil. A best combined strategy for efficient reservoir heating, high oil recovery, and cost effectiveness is found to involve reducing the oil viscosity to values of approximately 300–500 cp and combining a degree of mobility control and low interfacial tension as recovery mechanisms.

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 enseignants0,434
Score d'incertitude au seuil0,623

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 Opus0,012
Tête enseignante GPT0,218
Écart entre enseignants0,206 · 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

Citations41
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207