MétaCan
Menu
Retour à la cohorte
Enregistrement W2808767715 · doi:10.2118/191257-ms

Low Salinity Water Injection in a Clastic Reservoir in Northeast Brazil: An Experimental Case Study

2018· article· en· W2808767715 sur OpenAlexafffund
Alana Almeida da Costa, Rajan G. Patel, Carolina Arambula, Japan Trivedi, João B. P. Soares, Glória Meyberg Nunes Costa, Marcelo Embiruçu

Notice bibliographique

RevueSPE Trinidad and Tobago Section Energy Resources Conference · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesConselho Nacional de Desenvolvimento Científico e TecnológicoCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorFundação de Amparo à Pesquisa do Estado da BahiaUniversity of Alberta
Mots-clésSalinityProduced waterAdsorptionSaline waterEffluentCore sampleDilutionFormation waterEnhanced oil recoveryClastic rockOil fieldChemistryWater injection (oil production)GeologyMineralogyEnvironmental chemistryCore (optical fiber)Environmental engineeringPetroleum engineeringEnvironmental scienceGeochemistryMaterials scienceOrganic chemistryOceanographySedimentary rock

Résumé

récupéré en direct d'OpenAlex

Abstract Several researchers have demonstrated in laboratory experiments and field applications that reducing the concentration of salts and the content of multivalent cations in the injection water may increase oil recovery. This study evaluates the performance of low salinity water injection (LSWI) in oil recovery using a crude oil and synthetic formation water of a sandstone reservoir in northeast Brazil. Two Botucatu sandstone core samples of 6 in of length and 2 in of diameter were used for the coreflooding experiments. The fluids used included a light crude oil sample, and synthetic formation water (SFW) produced from the four main salts of the original formation water (NaCl, KCl, CaCl2, and MgCl2). In Core 1, two injections were carried out at an average reservoir temperature of 60 °C, one using SFW with 200,000 mg/l as secondary recovery mode, and one using SFW diluted 40 times (40xd_SFW) resulting in a low salinity water of 5,000 mg/l as tertiary recovery mode. In Core 2, 40xd_SFW was injected at the same temperature to compare the high and low salinity water effects in the secondary mode. Moreover, zeta (ζ) potential measurements on Botucatu sandstone powder were performed in 6 dilutions of the SFW and deionized water. The experimental results demonstrated an increase in oil recovery and pH when 40xd_SFW was injected in secondary and tertiary modes. The effluent ionic concentration from Core 1 showed the reduction of Ca2+ during HSWI, indicating its adsorption on the rock surface. Most remarkably, Ca2+ concentration increases and the Na+ concentration decreases in the effluent samples in the first LSWI pore volume injected, which suggested ionic exchange of calcium for sodium on the rock surface. Furthermore, Fe2+/Fe3+ and traces of Al3+ were observed in the effluent demonstrating the occurrence of fine migration in SFW and 40xd_SFW. The magnitude of negative ζ potential on Botucatu sandstone increases as the salinity of the brine solutions decreases. Based on that experimental study, it is noticed that a set of LSWI mechanisms occurr simultaneously in Botucatu sandstone, and oil and brine samples from Recôncavo Basin, indicating a potential of application for LSWI in similar Brazilian oil reservoirs.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 GPT0,263
Écart entre enseignants0,247 · 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'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

Citations12
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Trinidad and Tobago Section Energy Resources ConferenceMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207