MétaCan
Menu
Retour à la cohorte
Enregistrement W2419221110 · doi:10.2118/180858-ms

A Way to Improve Water Alternating Gas Performance in Tight Oil Reservoirs

2016· article· en· W2419221110 sur OpenAlexaff
Kai Zhang, Steve Seetahal, Yi Hu, Chen Zhao, Yuan Hu, Keliu Wu, Zhangxin Chen, David Alexander

Notice bibliographique

RevueSPE Trinidad and Tobago Section Energy Resources Conference · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSurface tensionPetroleum engineeringWettingEnhanced oil recoveryPulmonary surfactantOil in placeOil shaleViscosityMaterials scienceDisjoining pressurePorous mediumChemical engineeringContact anglePorosityGeologyComposite materialPetroleumChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

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.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,197
Écart entre enseignants0,189 · 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'étudeExpérimental (laboratoire)
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Trinidad and Tobago Section Energy Resources ConferenceMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207