Heavy Oil Mobilization by Cold Solvent, Hot Solvent, and Heat - A Comparative Pore Level Evaluation
Notice bibliographique
Résumé
Abstract The first commercial test of solvents took place in California in 1960 where solvent stimulation was used to increase production of heavy oil. Currently, successful performance of steam injection in horizontal wells suggests the idea of using hot solvent alone or in conjunction with steam to reduce bitumen viscosity. The present study compares the performance of heat, cold solvent, and hot solvent for reducing bitumen viscosity at the pore scale using typical field data. The governing equations were derived for heat transport by conduction and convection and solvent diffusion and dispersion. The equations were solved in spherical geometry for a droplet of bitumen at different flow rates. In addition to solvent and steam together, equations were derived for a hot solvent. The mass and heat balance equations were solved simultaneously and the viscosity profile was obtained. The performance of different solvents at different temperatures was compared with heat under the same conditions. The results indicated that hot solvent is much more effective than solvent alone due to the effect of temperature on oil viscosity. It was found that the effect of solvent is much less than that of heat and that the high recovery by heated solvent is directly related to the heat. The time required for cold solvent to reduce bitumen viscosity was much longer compared to conduction-convective heating even at high solvent rates. Hot solvent shows promise compared with conduction-convective heating as a result of the heat contribution. In spite of the benefits of using solvent, the economics must be considered. This study improves our understanding of the mechanistic behavior of solvent assisted recovery processes and modelling approaches at the pore scale.
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 ».