Steam Chamber Development and Production Performance Prediction of Steam Assisted Gravity Drainage
Notice bibliographique
Résumé
Abstract Steam assisted gravity drainage (SAGD) is an effective technology to develop heavy oil reservoir, yet with large energy consumption and intense greenhouse emission. Therefore, it is important to predict the steam chamber development process and production performance of SAGD process. In early research, a lot of research has been conducted on the prediction of SAGD productivity analytically under some simplification. According to tens of numerical reservoir simulation results with STARS, we find that oil production rate is greatly linked to the steam injection rate. As to our knowledge, few studies have been published to build a relationship between them. In this paper, we propose a new analytical model to predict steam chamber development process and SAGD production performance under constant steam injection rate simultaneously. On the basis of previous numerical and experimental research, we assume that the steam chamber shape is a combination of two symmetrical parabolas or an inverted triangle. The oil production rate is expressed by the steam chamber expansion rate as a function of reservoir properties and injection parameters. An energy balance equation is employed to connect the steam expansion rate and heat loss rate to surrounding formation. Comparisons have been made between the new model results and STARS results for a specific super-heavy oil reservoir case in Canada and similarity is observed with the parabola-shape assumption. With the new proposed model, production performance, such as oil production rate, water cut and steam oil ratio, can be predicted.
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 ».