Semianalytical Modeling of Steam/Solvent Gravity Drainage of Heavy Oil and Bitumen: Unsteady-State Model With Curved Interface
Notice bibliographique
Résumé
Summary Coinjection of solvent with steam in steam-assisted gravity drainage (SAGD) has shown promising results for enhancing oil rates as well as reducing energy and water consumption. Modeling and optimizing hybrid-steam/solvent-recovery processes by use of commercial numerical simulators can be very time-consuming. Semianalytical mathematical models may be used to estimate production rates and thermal efficiency in much less time. In this study, an unsteady-state semianalytical model was developed to predict the oil-flow rate in the steam/solvent-assisted-recovery process. The model assumes a curved interface with transient temperature and solvent distribution in the mobile zone. It also accounts for transverse dispersion and concentration-dependent molecular diffusion for solvent distribution. The oil-flow rate and interface profile are predicted at each time in an iterative fashion. The model is validated against the CMG-STARS thermal simulator as well as experimental results for hexane-aided SAGD physical-model tests. The semianalytical model was able to predict oil-production rates by use of different solvents coinjected with steam, in agreement with reported experimental data. The proposed model accounts for the complex interaction of heat and solvent solubility and diffusion as they affect mobilization and production of viscous oil. This model may be used to estimate the optimal operation parameters for the process over a range of different reservoir qualities and pressures, in a very time-efficient manner. The final outcome may lead to an efficient design of a steam/solvent-recovery process that uses less water and reduces the amount of energy and gas emissions per barrel of oil produced.
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 | 0,001 | 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 ».