MétaCan
Menu
Retour à la cohorte
Enregistrement W2318115176 · doi:10.2118/176716-ms

Optimization of Cyclic Steam Stimulation (CSS) Under Geomechanics-Dependent Permeability

2015· article· en· W2318115176 sur OpenAlexaboutno aff
Cenk Temizel, Seyhan Emre Gorucu, Sinem Setenay Erdogan, Aditya Tiwari

Notice bibliographique

RevueSPE Russian Petroleum Technology Conference · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSteam injectionPetroleum engineeringGeomechanicsPermeability (electromagnetism)Steam-assisted gravity drainageEnhanced oil recoveryReservoir simulationEnvironmental scienceVapor qualityGeologyGeotechnical engineeringMaterials scienceOil sandsEngineeringHeat exchangerMechanical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Objectives/Scope: Since its accidental discovery in Venezuela during a steamflood procedure, and despite the high costs associated with using steam. CSS has been widely used throughout the world in heavy-oil reservoirs, especially in Alberta, California, and Venezuela. It has turned out that it is also important to understand the degree of impact of geomechanics as it is a key parameter in reservoirs with geomechanical response. This makes the optimization process more valuable in terms of the application of crucial operational constraints and parameters, such as injection rate, cycle size, cycle life, and well spacing, not only for the reservoir but also the wellbore, which are important for delivering steam to the subsurface while ensuring minimum heat loss along with reservoir integrity and permeability variation. Methods, Procedures, Process The CSS recovery method is influenced by complex reservoir geologies, where a CSS well can penetrate multiple layers having significantly different properties, including permeability. It is important to have a solid understanding of the impact of multiple layers on recovery when using CSS, not only to help maximize recovery but also net-present value because of the high cost of steam generation. In this study, a commercial full-physics reservoir simulator is used to simulate the effect of multiple layers with varying permeabilities under different operating conditions. Results, Observations, Conclusions CSS helps to increase recoveries up to 20 to 25% by means of certain mechanisms, including but not limited to viscosity reduction thermal expansion of oil, blocking removal, and gravity drainage. Although it is generally valid that higher steam qualities and shorter soak times provide higher recoveries, the main stages of cyclic steam stimulation (CSS)—injection, soaking, and production—should be carefully optimized because the efficiency of this technique is reduced after the first few cycles. The influence of geomechanics turns out to be a significant parameter in this process. Novel/Additive Information The results and sensitivities are compared and discussed in light of a comprehensive literature review of CSS with different process optimization methods, including sequential CSS and cumulative average daily profit methods. The significance of all major parameters are outlined using tornado charts to serve as a practical example for optimization of similar future applications.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0020,000

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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Russian Petroleum Technology ConferenceMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207