MétaCan
Menu
Retour à la cohorte
Enregistrement W2791269982 · doi:10.2118/190305-ms

Diffusion-Dominated Proxy Model for Solvent Injection in Ultra-Tight Oil Reservoirs

2018· article· en· W2791269982 sur OpenAlexfundno aff
Michael Cronin, Hamid Emami‐Meybodi, Russell T. Johns

Notice bibliographique

RevueSPE Improved Oil Recovery Conference · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensnon disponible
Organismes subventionnairesEnergi SimulationPennsylvania State University
Mots-clésProxy (statistics)Petroleum engineeringDiffusionGeologyEnvironmental scienceChemistryThermodynamicsMathematicsStatisticsPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Enhanced oil recovery (EOR) by solvent injection offers significant potential to increase recovery from shale oil reservoirs, which are typically between 3 and 7% OOIP. The rather sparse literature on this topic typically models these tight reservoirs based on conventional reservoir processes and mechanisms, such as by convective transport using Darcy's law, even though there is little physical justification for this treatment. The literature also downplays the importance of the soaking period in huff'n'puff In this paper we propose for the first time a more physically-realistic recovery mechanism based solely on diffusion-dominated transport. We develop a diffusion-dominated proxy model assuming first-contact miscibility (FCM) to provide rapid estimates of oil recovery for both primary production and the solvent huff'n'soak'n'puff (HSP) process in ultra-tight oil reservoirs. Simplified proxy models are developed to represent the major features of the fracture network. The key results show that diffusion-transport only can reproduce the primary production period within the Eagle Ford shale and model the HSP process well, without the need to use Darcy's law. The mechanism for recovery is based solely on density and concentration gradients. Primary production is a self-diffusion process, while the HSP process is based on counter-diffusion. Incremental recoveries by HSP are several times greater than primary production recoveries, showing significant promise in increasing oil recoveries. We calculate ultimate recoveries for both primary production and for the HSP process, and show that methane injection is preferred over carbon dioxide injection. We also show that the proxy model, to be accurate, must match the total matrix contact area and the ratio of effective to total contact area with time. These two parameters should be maximized for best recovery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,017
Tête enseignante GPT0,240
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Improved Oil Recovery ConferenceMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207