High-Temperature Solvent Injection for Heavy-Oil Recovery From Oil Sands: Determination of Optimal Application Conditions Through Genetic Algorithm
Notice bibliographique
Résumé
Summary Our recent experimental studies on superheated solvent injection for heavy-oil recovery showed that when a solvent is injected into the reservoir, the process is highly sensitive to pressure and temperature. The effects of these parameters on the recovery factor (RF) are accentuated when the operating conditions are closer to the saturation curve of the solvent injected. This paper investigates this process and formulates the optimal field-scale application conditions that yield the maximum profit, as a continuation of previous work. To achieve this, a hypothetical field-scale numerical model was constructed, and the key parameters identified through the aforementioned sensitivity analysis were incorporated. Then, the injection process was simulated for a two-horizontal injection/production pattern. An optimization study was performed to identify the relative contributions of the effective parameters (pressure, temperature, and injection rate) and to propose an optimal application scheme with a genetic algorithm (GA). The critical pressure and temperature yielding maximum production and highest profit considering solvent retrieval were defined for different injection rates and application scenarios. Our results indicate that, at the end of the hot solvent-injection process, an important volume of solvent is left in the reservoir, and its volume depends on the injection–production scheme selected. Nevertheless, if the project is performed under appropriately selected operational parameters (obtained through the optimization processes) and followed by the proper process to retrieve the solvent from the reservoir (low-temperature steam or hot-water applications), it can make the hot solvent-injection process profitable.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».