Impact of Secondary and Tertiary Floods on Microscopic Residual Oil Distribution in Medium-to-High Permeability Cores with NMR Technique
Notice bibliographique
Résumé
In order to explore the impact of various flood schemes and pore throat heterogeneity on oil recovery efficiency in porous media, core-flood experiments and nuclear magnetic resonance (NMR) tests are conducted to quantitatively determine the initial oil distribution and the residual oil distribution in medium-to-high-permeability cores subjected to these various flood schemes. Multiple experimental runs are conducted with four field core samples to cover the various flood schemes: the secondary water flood, CO 2 -foam flood, and water-alternating-CO 2 flood (WAG). Experimental results show that, relatively speaking, at the initial oil saturation condition, the moderate pore throats contain the highest amount of oil. The water flood recovery degree is higher from larger pore throats (average recovery degree of 98.57%) than that from moderate pore throats (average recovery degree of 78.29%). The water flood efficiency in different cores is found to be dependent on the degree of heterogeneity in pore throat distribution. After water flood, the residual oil is mainly located in smaller pore throats. CO 2 -foam flood shows good performance in tapping the residual oil contained in smaller pore throats, while the WAG can recover more oil from larger pore throats. Furthermore, it is found that the combination of CO 2 -foam flood and WAG provides the highest recovery efficiency since it is effective in reducing the oil saturation in pore throats with varied sizes. Based on this investigation on the residual oil saturation in pore throats subjected to secondary and tertiary floods, it is possible to design an optimum flood scheme which suits the microscope pore throat characteristics for a given reservoir.
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 ».