Design of field‐scale cyclic solvent injection processes for post‐CHOPS applications
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Oil recovery factors in cold heavy oil production with sand (CHOPS) are typically lower than 15 %. Solvent‐aided processes, such as cyclic solvent injection (CSI) are common post‐CHOPS approaches, where wormhole networks could offer increased reservoir contact. However, grid block sizes in field‐scale simulations are much larger than the wormhole scale and large‐scale dispersivity values are assigned arbitrarily based on history matching. This work implements a statistical scale‐up workflow that facilitates the construction of coarse‐scale models for CSI simulation, whose relevant parameters are calibrated against simulation results using high‐resolution wormhole networks. The formulated workflow can be integrated with commercial reservoir simulators to effectively simulate solvent processes at multiple scales. Multiple injection scenarios are analyzed. Extended soaking periods may positively impact the ultimate recovery with a slower decline at later times, while a lower initial rate is observed. Interestingly, when an economic limit is imposed, the optimal soaking time is not necessarily the longest one. It depends on the trade‐off between extracting additional oil recovery at late times versus producing at a higher rate at early times. The analysis also reveals that the initial cycles contribute the most to the final recovery. In addition, when the amount of solvent available is limited, the results would support the strategy of injecting all the solvent in 1 single cycle, with an extended soaking period, rather than performing shorter consecutive cycles.
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.
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) | 0,000 | 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 | 0,000 |
| 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 découle