Low Tension Gas Flooding as a Novel EOR Method: An Experimental and Theoretical Investigation
Notice bibliographique
Résumé
Abstract Low Tension Gas (LTG) flooding is a novel EOR process which can address challenging reservoir conditions such as high salinity, high temperature, and tight rock. Current process understanding is limited, and a joint experimental and modeling approach allows for both interpretation and insight into the complex interactions between the key process parameters of salinity gradient, foam strength, microemulsion phase behavior, and phase desaturation in order to achieve a physically correct and predictive process model. We performed a series of corefloods in high permeability Berea sandstones (~500 mD) to demonstrate the impact of salinity gradient on the LTG process and interactions between key mechanisms such as microemulsion phase behavior and foam stability. In order to provide additional insight into the experimental study and improve understanding of the LTG process, we used our newly developed LTG simulator which we built within CMG GEM. The results demonstrate that decreasing slug injection salinity can lead to a 15% increase in residual oil in place (ROIP) recovery over a slug injected at optimum salinity, with earlier breakthrough and steeper recovery slope. In addition, there is evidence of a late time pressure buildup as salinity is decreased through mixing with drive salinity which is indicative of increasing foam stability. This may be due to an inverse relationship between oil-water IFT and foam stability and thus designing an optimal salinity gradient for an LTG process requires balancing oil mobilization due to ultralow IFT and effectively displacing mobilized oil with adequate foam mobility control. We introduce and show the strength our compositional LTG simulator in a pioneering laboratory and simulation study that sheds light on the interaction between salinity, microemulsion phase behavior, and foam strength. Our conclusions indicate a significant departure from traditional ASP understanding and methodology when designing an LTG salinity gradient and serve as a foundation for future investigation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».