Selection Criteria for Miscible-Gases to Enhance Oil Recovery in Unconventional Reservoirs of North America
Notice bibliographique
Résumé
Abstract Unconventional resources have played a significant role in changing oil industry plans recently. Shale formations in North America such as Bakken, Niobrara, and Eagle Ford have huge oil in place, 100-900 Billion barrels of oil in Bakken only. However, the predicted primary recovery is still low as 5-10%. Therefore, seeking for techniques to enhance oil recovery in these complex plays is inevitable. In this paper, two different approaches have been integrated to investigate the feasibility of three different miscible-gases which are CO2, lean gases, and rich gases. Firstly, numerical simulation methods of compositional models have been incorporated with Local Grid Refinement (LGR) of hydraulic fractures to mimic the performance of these miscible gases in shale-reservoirs conditions. Furthermore, implementation of a diffusion model in the LS-LR-DK (logarithmically spaced, locally refined, and dual permeability) model has been conducted. Secondly, different molar-diffusivity rates for miscible gases have been simulated to find the diffusivity level in the field scale by matching the performance of some EOR pilot-tests which were conducted in Bakken formation of North Dakota, Montana, and South Saskatchewan. This study approved that diffusion flow is dominated in these types of reservoirs. Therefore, the injected CO2 needs a significant molar-diffusivity into formation-oil, so it can penetrate into shale-matrix and enhance oil production. However, some of CO2 Pilot-tests showed a good match with the simulated cases which have low molar-diffusivity between the injected CO2 and the formation-oil. Accordingly, the rich and lean gases have shown a better performance to enhance oil Recovery in these tight formations. However, rich gases need long soaking periods and lean gases need large volumes to be injected for more successful results. Furthermore, number of huff-n-puff cycles has a little effect on the injected-gases performance; however, the soaking period has a significant effect. This research project demonstrated how to select the best type of miscible gases to be injected in unconventional reservoirs according to the field candidate conditions and operating 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.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».