MétaCan
Menu
Retour à la cohorte
Enregistrement W2586721168 · doi:10.2118/185037-ms

EOR in Tight Reservoirs, Technical and Economical Feasibility

2017· article· en· W2586721168 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSPE Unconventional Resources Conference · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringEnhanced oil recoveryOil in placeTight gasPermeability (electromagnetism)Tight oilFossil fuelGeologyEnvironmental sciencePetroleumHydraulic fracturingEngineeringWaste management

Résumé

récupéré en direct d'OpenAlex

Abstract Field experience indicates that primary depletion of tight oil formations, using multistage fractured horizontal wells, commonly recovers only 5 to 10% of OOIP. The impact of various EOR techniques on recovering additional oil from these formations is still not fully understood. This paper investigates the applicability of feasible EOR methods and determines their technical and economic success over the natural depletion process under different well and fracture designs. Additionally, the study investigates the minimum reservoir permeability required for success. To achieve the objectives, both black oil and compositional simulation models were generated for a Western Canadian tight reservoir containing volatile oil. In addition to primary, the EOR recovery processes that were considered include waterflooding, immiscible-N2 and miscible-CO2 gas flooding. Combinations of these techniques, coupled with the effects of various well and fracture design parameters were technically explored, and economically ranked using a comprehensive economic analysis. Furthermore, the optimal case of each process was subjected to sensitivity on matrix permeability to determine the minimum permeability at which these methods can be applicable. In the EOR scenarios evaluated, the highest cumulative oil produced was associated with the closest well and fracture spacing, and longest fracture half length. With a larger well spacing (in the order of 400 m), the wells were found to be too far apart to offer any benefit from any EOR technique. Additionally, the capital expenditure of tight-oil projects is high and therefore greatly influences the economic success. Several scenarios yielded similar NPV values, however, the IRR performances and CAPEX requirements helped further evaluate and rank the scenarios. For the reservoir model used, waterflood was found to be uneconomical at the initial permeability levels investigated (around 0.3 md) and required a minimum permeability threshold (1 mD) to become profitable. The primary recovery mechanisms in waterflooding are pressure maintenance and areal sweep, which were more pronounced in the N 2flood. This was the best recovery technique based on NPV. However, the best recovery technique based on oil recovery was the miscible-CO2 flood. It offered an increase in oil recovery factor from 11% to 23% over the best natural depletion case, which was a result of increased oil mobility by dissolution of CO2. At lower permeability values (down to 0.03 mD) immiscible-N2 flood became the most effective method via pressure maintenance within the drainage area. For even tighter reservoirs (under 0.03mD), natural depletion remained the best option for this reservoir. This paper provides an elaborate workflow for evaluating and optimizing EOR techniques in tight oil formations through an integrated modeling approach. It helps to identify the most technically and economically proficient techniques under different levels of permeability, well spacing and fracture parameters.

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.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,140
Score d'incertitude au seuil0,580

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,049
Tête enseignante GPT0,303
Écart entre enseignants0,255 · 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