Numerical Modeling of Heavy-Oil Recovery Using Electromagnetic Radiation/Hydraulic Fracturing Considering Thermal Expansion Effect
Notice bibliographique
Résumé
Production of heavy oil from deep/tight formation using traditional technologies (“cold” production, injection of hot steam, etc.) is ineffective or inapplicable. An alternative is electromagnetic (EM) heating after fracturing. This paper presents the results of a numerical study of heavy oil production from a well with hydraulic fracture under radiofrequency (RF) EM radiation. Two parameters ignored in our previous modeling studies, namely adiabatic effect and the thermal expansion of oil, are considered in the new formulation, while high gradients of pressure/temperature and high temperature occur around the well. The mathematical model calculates the distribution of pressure and temperature in the system of “well-fracture-formation.” The distribution of thermal heat source is given by the Abernetty expression. The mathematical model takes into account the adiabatic effect and the thermal expansion of heavy oil. The latter makes a significant contribution to heavy oil production. Multistage heavy production technology with heating is assumed and several stages are recognized: stage 1: “Cold” heavy oil production, stage 2: RF-EM heating, and stage 3: RF is turned off and “hot” oil production continues until the flow rate reaches its initial (before heating) value. These stages are repeated starting from the second stage. Finally, RF-EM heating technology is compared to “cold” production in terms of additional oil production and economics. When producing with RF-EM heating with power 60 kW (50 days in the second stages), the oil rate increased several times. Repeated RF-EM heating (25 days in the fourth stage) doubled the production rate. Near-well region temperature increased by ∼82 °C in the second stage with RF-EM heating. Temperature increased by ∼87 °C in the fourth stage with repeated RF-EM heating and production cycles. Economic analysis and evaluation of energy balance showed that the multistage production technology is more efficient; i.e., the lower the payback period, the greater the energy balance. With the increase in pressure difference, the payback period and energy balance increased linearly.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».