A Way to Improve Water Alternating Gas Performance in Tight Oil Reservoirs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Primary recovery remains as low as 5-10 % of original oil in place (OOIP) in tight oil reservoirs, even with horizontal wells and massively hydraulical fracturing applied. Water flood helps to maintain the pressure and CO2 contributes to oil swelling, viscosity reduction and wettability alteration; in addition, CO2 and water have a chance to improve oil recovery. Furthermore, a water alternating gas (WAG) process gives a higher oil recovery compared to continuous water or gas injection. The WAG performance can be improved by mobility control, wettability alteration and interfaical tension management. Chemical additives like polymer or foam can help to improve mobility, but they are limited to large porous media. The common pore diameter is approximately 30 nm to 2,000 nm in tight sandstone reservoirs and 2nm to 50nm in shale reservoirs. Alkaline can cause a reduction in interfacial tension. However, a candidate for alkaline flood should have an acid number above 0.5 mg OH- /g oil, corresponding to oil with API below 30. The surfactant particles with a diameter of around 10nm to 30nm can reduce interfacial tension while nanoparticles with a diameter of 1nm to 7 nm can affect disjoining pressure at interface and alter wettability; both of them can be candidate additives in improving WAG performance. Moreover, low salinity water exchanges ions in a reservoir, resulting in water film instability and wettability alteration. It can be an alternative solution in improving WAG performance. In this paper, an analytical model of the WAG process is studied. Afterwards, numerical reservoir simulations are made for surfactant, low salinity water and nanofluid additives in improving WAG performance.
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.
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 découle