MétaCan
Menu
Retour à la cohorte
Enregistrement W2794893004 · doi:10.2118/190320-ms

Suppressing Frontal Instabilities and Stabilizing Miscible Displacements with Time-Dependent Rates for Improved Oil Recovery

2018· article· en· W2794893004 sur OpenAlexafffund
Qingwang Yuan, Shuoshi Wang, Jinjie Wang, Fanhua Zeng, Kelvin D. Knorr, Muhammad Imran

Notice bibliographique

RevueSPE Improved Oil Recovery Conference · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensSaskatchewan Research Council (Canada)University of Regina
Organismes subventionnairesMitacs
Mots-clésMechanicsViscosityVolumetric flow rateEnhanced oil recoveryMixing (physics)Materials scienceOil fieldDisplacement (psychology)Petroleum engineeringWater injection (oil production)Front (military)Flow (mathematics)ThermodynamicsEnvironmental scienceGeologyPhysicsComposite materialMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract The frontal instabilities are a key control factor which can significantly affect the sweep efficiency and oil recovery in miscible flooding processes. Under unfavorable viscosity ratio between injection solvent and oil, the frontal instabilities are nearly unavoidable. However, how to suppress the instabilities, especially with low additional costs, should be carefully investigated. The present study examines the time-dependent displacement rates on flow instabilities in miscible flooding. Within the capacity of injection pumps, the injection rates are varied with time in a fast alternating manner. It is found that this kind of variable rates can stabilizing frontal instabilities by enhancing initial uniform mixing of solvent and oil. It therefore suppresses the later development of instabilities. Eventually, a much less unstable front is obtained when compared with the constant injection rate. Other parameters such as the amplitude of rates are also examined. The variations of propagation of front with time are analyzed for the change of rate strength. It is can therefore be concluded that this kind of time-dependent rate can improve oil recovery at very low additional rate within the capacity of pumps for the field EOR processes.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,322
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
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 Opus0,011
Tête enseignante GPT0,244
Écart entre enseignants0,233 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations1
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Improved Oil Recovery ConferenceMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207