MétaCan
Menu
Retour à la cohorte
Enregistrement W2308046828 · doi:10.2118/179761-ms

Phased Heating and Solvent Injection to Enhance Recovery of Heavy Oil and Bitumen

2016· article· en· W2308046828 sur OpenAlexaff
Da Zhu, Gary L. Bunio, Ian D. Gates

Notice bibliographique

RevueSPE EOR Conference at Oil and Gas West Asia · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of CalgarySuncor Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésSteam-assisted gravity drainageAsphaltOil sandsSteam injectionSolventPetroleum engineeringWaste managementViscosityEnhanced oil recoveryEnvironmental scienceSynthetic crudeCarbon dioxideCombustionChemical engineeringChemistryMaterials scienceUnconventional oilFossil fuelGeologyOrganic chemistryEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract The main challenges faced by oil sands operators are the cost of operations and the environmental intensity of the recovery processes. The Athabasca oil sands deposit contains bitumen with viscosity typically over 1 million cP. To lower the viscosity of the bitumen so that it can be drained from these reservoirs, it is heated with injected steam by using Steam-Assisted Gravity Drainage (SAGD). This process is effective and enables recovery factors over 60%. The major cost in the recovery process is steam generation and associated water treatment and handling. The combustion of natural gas to generate steam is the main origin of the carbon dioxide emissions associated with SAGD. An alternative to steam injection is the use of solvents co-injected with steam. Solvents dilute bitumen leading to an oil phase with reduced viscosity. Also, there is potential to recycle solvent for re-injection. Thus, solvent added to steam can improve the steam-to-oil ratio and as a consequence can lower the carbon dioxide emissions per unit volume oil produced. In this extended abstract, we describe a phased solvent and heat process that yields improved performance beyond that of SAGD and current solvent-aided SAGD processes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil0,631

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 Opus0,009
Tête enseignante GPT0,242
Écart entre enseignants0,232 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE EOR Conference at Oil and Gas West AsiaMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207