MétaCan
Menu
Retour à la cohorte
Enregistrement W2536295433 · doi:10.2118/175036-pa

Steam-Assisted Gravity-Drainage Performance With Temperature-Dependent Properties—A Semianalytical Approach

2016· article· en· W2536295433 sur OpenAlexaff
Mohammad Heidari, S. Hossein Hejazi, S.M. Farouq Ali

Notice bibliographique

RevueSPE Journal · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSteam-assisted gravity drainageTransient (computer programming)ThermalPetroleum engineeringHeat transferThermal conductivityNonlinear systemMechanicsOil sandsGeologyComputer scienceMaterials scienceThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Summary Steam-assisted gravity drainage (SAGD) is one of the successful in-situ thermal-recovery methods for oil-sands production. In this paper, we provide a simple semianalytical model that can accurately analyze an SAGD project with variable properties. In particular, we investigate the effect of temperature-dependent properties such as thermal conductivity, heat capacity, and rock density on SAGD performance. The proposed model sequentially solves the transient nonlinear heat-transfer equation coupled with the continuity equation with Kirchhoff's transformation and the heat integral method (HIM). A criterion for timestep selection is defined on the basis of the Courant and Péclet numbers to guarantee the stability of the sequential technique. The results illustrate that the temperature-dependent physical properties affect temperature distributions ahead of steam chamber which consequently have a significant impact on the cumulative oil production and oil-production rate. Moreover, the results show that the temperature profile ahead of the steam chamber changes with time and space, and a 2D transient assumption for SAGD modeling is necessary. The semianalytical model runs in a small fraction of numerical-simulator runtime, yet it provides reasonable results. Thus, it has the potential to be used as a tool for quick SAGD evaluations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,098
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,189
Écart entre enseignants0,180 · 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 tête enseignante, 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

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207