MétaCan
Menu
Retour à la cohorte
Enregistrement W2587072046 · doi:10.2118/184998-ms

Numerical Prediction of H2S Production in SAGD: Compositional Thermal-Reactive Reservoir Simulations

2017· article· en· W2587072046 sur OpenAlex
Simon Ayache, Christophe Preux, Nizar Younes, Pauline Michel, Violaine Lamoureux-Var

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 Canada Heavy Oil Technical Conference · 2017
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringAsphaltHydrogen sulfideSteam-assisted gravity drainageSteam injectionThermalReservoir simulationPyrolysisEnvironmental scienceSulfurEnhanced oil recoveryOil sandsChemistryGeologyMaterials scienceThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Nowadays EOR methods such as thermal techniques are widely used to recover the viscous hydrocarbons from heavy oils and bitumen reservoirs. One of the thermal methods is the Steam-Assisted Gravity Drainage (also called SAGD), which consists in injecting steam into the reservoir to melt the viscous oil and allow its mobility. The melted oil falls by gravity to the production well. The injected hot steam, once it reaches the heavy oils/bitumen, induces chemical reactions called aquathermolysis. These reactions generate gases such as hydrogen sulfide (H2S) or carbon dioxide (CO2). The H2S is known to be highly toxic and corrosive. Hence it needs to be given a particular attention when it is produced at the surface. Reservoir models have been built to simulate thermal effects during a SAGD process but only few publications in the literature deal with the aquathermolysis reactions occurring in reservoirs where steam is injected. This paper focuses on building a reservoir simulation model to forecast the H2S production. The example of the Hangingstone heavy oil field in Canada has been chosen. This simulation model is based on a compositional PVT description for heavy oil/bitumen and on a recently developed sulfur-based compositional kinetic model to describe the aquathermolysis reactions. The description of the heaviest components found in heavy oils/bitumen is made through a SARA decomposition. The reactive model that describes the aquathermolysis reactions is firstly presented. Then a section of this paper is dedicated to the building of a PVT model for heavy oil. Another chapter presents the 2D heterogeneous reservoir models used for the simulations. Finally the simulations results are presented. A sensitivity analysis has been performed to investigate the effect of the rock conductivity and the pressure/temperature of the injected steam on the H2S production. The different simulations have given consistent results with production data in terms of H2S production at surface. This shows that both the fluid description and the aquathermolysis kinetic model used in the study are relevant for the prediction of H2S production in the context of steam injection.

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)0,000
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 enseignants0,292
Score d'incertitude au seuil0,840

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 recherche0,0000,000
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 Opus0,028
Tête enseignante GPT0,273
Écart entre enseignants0,244 · 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