MétaCan
Menu
Retour à la cohorte
Enregistrement W2605345743 · doi:10.2118/185734-ms

Case Histories of Solvent Use in Thermal Recovery

2017· article· en· W2605345743 sur OpenAlexafffund
Bita Bayestehparvin, S.M. Farouq Ali, Jalal Abedi

Notice bibliographique

RevueSPE Western Regional Meeting · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésSolventNaphthaAsphaltViscosityPetroleum engineeringMixing (physics)Steam-assisted gravity drainageSteam injectionLight crude oilWaste managementOil sandsSynthetic crudeEnhanced oil recoveryAsphaltenePetroleumChemical engineeringChemistryEnvironmental scienceMaterials sciencePulp and paper industryOrganic chemistryGeologyEngineeringComposite materialShale oil

Résumé

récupéré en direct d'OpenAlex

Abstract Steam injection is the most successful oil recovery method for heavy oil and oil sands exploitation. In some cases, solvents are added to steam when steam by itself fails to provide satisfactory recovery factors. In other instances, the use of solvents is justified on the basis of water usage reduction and decreasing greenhouse gas emissions. This has been done in cyclic steam stimulation (CSS), steamflooding, and steam-assisted gravity drainage (SAGD). The range of success in these instances is highly variable. Additional oil/bitumen recovery is claimed in most cases, but the commercial viability is often not discussed. The use of solvents for the recovery of viscous hydrocarbons is proposed for the obvious reason that mixing a solvent with a viscous oil reduces its viscosity, but the volumes needed are prohibitive; for example, 50% by weight of naphtha would be needed to reduce the viscosity of a one million centipoise bitumen to the level attained by a 200 °C (400 F) temperature increase. When solvents are used with steam, other phenomena are invoked to justify solvent use; for example, solvent condensation at steam temperature to promote the advance of solvent into cold heavy oil/bitumen ahead. In such postulates, the extremely low dispersivity of the solvent in the solid heavy oil/bitumen is of concern. The intent in these processes is to achieve a high mixing coefficient for solvent and heavy oil - just the opposite of what was sought in yesteryear's miscible displacement design. The feasibility of this intent is discussed, via a comparison of heat and solvent dispersion. Another line of thinking is that solvent diminishes the effect of formation heterogeneity. In this study, several case histories of solvent-addition thermal operations are discussed. A few non- thermal examples are also considered. Detailed results are not always available; the published information is tabulated. The results of the projects are discussed, and interpretations are made where possible. In recent years, solvent is being used in about 10% of the ~1500 SAGD well pairs in operation. In some cases, success is claimed. These are discussed in detail. Use of solvents in CSS is being done in Cold Lake; a new large project (Aspen) is planned there on the basis of solvent stimulation only. Solvents were used to a limited extent in some California steamfloods. None of those showed an improvement as a result of solvent addition. In a couple of cases, solvent injection was done unsuccessfully after a cold heavy oil production with sand (CHOPS) operation. This is a critical study of solvent use for the recovery of heavy oil/bitumen, showing that in most cases, solvents have not delivered the promise expected. In others, they totally failed. As such, it is hoped that the results will be of value in future planning of solvent 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.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,434
Score d'incertitude au seuil0,585

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 Opus0,042
Tête enseignante GPT0,259
Écart entre enseignants0,217 · 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'étudeObservationnel
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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Western Regional MeetingMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207