Use of Solvents With Steam - State-of-the-Art and Limitations
Notice bibliographique
Résumé
Abstract Steam injection is a widely used oil recovery method that has been commercially successful in many types of heavy oil reservoirs, including oil sands of Alberta. Steam is very effective in delivering heat that is the key to heavy oil mobilization. In the distant past, and also recently, solvents are being used as additives to steam for additional viscosity reduction. This was done previously in California heavy oil reservoirs also. The current applications are in SAGD (Steam-Assisted Gravity Drainage) and CSS (Cyclic Steam Stimulation) field projects. The past and present projects using solvents are reviewed, and evaluated viz ES-SAGD (Enhanced solvent SAGD) and LASER (Liquid Addition to Steam for Enhancing Recovery). The theories behind the use of solvents with steam are outlined. These postulate (1) additional heavy oil mobilization; (2) oil mobilization ahead of the steam front, and (3) oil mobilization by solvent dispersion due to frontal instability. The plausibility of the different approaches is discussed. Recent theoretical work is described that compares thermal and solvent diffusion, showing that the time scales of the two processes are quite different casting doubt on the effectiveness of the use of solvents with steam. The numerical and analytical solutions have been compared for effect of cold solvent, hot solvent, steam only, and co-injection of solvent and steam on bitumen mobilization. The outcome of this study can be used for better understanding of mechanisms and theories behind co-injection of solvent with steam.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».