On determination of interwell connectivity under immiscible gas injection process: Modified capacitance‐resistance model
Notice bibliographique
Résumé
Abstract Interwell connectivity is an important parameter in reservoir management and optimization during water/gas injection. As an analytical approach, the capacitance‐resistance model (CRM) is a rapid tool that only needs some common and available data for field performance prediction. The non‐linear signal processing technique is used with the CRM to determine reservoir continuity between production and injection wells. Current CRMs are applicable in water flooding systems. In this study, a modified capacitance‐resistance model (M‐CRM) for interwell connectivity calculation in immiscible gas flooding projects is developed based on the mass balance equation. Slightly compressible flow is one of the main assumptions in CRM development while gas is compressible and the gas property variation with pressure should be scrutinized in the equations. Therefore, new equations need gas PVT properties to consider the effect of gas compressibility. Moreover, the productivity equation for oil and gas production should be revised. The constructed model that considers mass balance and the productivity equation is applied in two synthetic models and one real sector reservoir model. The genetic algorithm, as an optimization tool for solving the new model, is used and streamline simulation is selected as a validation tool for interwell connectivity parameter calculation. Based on the streamline results, it was observed that a M‐CRM is able to predict the reservoir behaviour better than a common CRM for pre/post breakthrough conditions in gas injection scenarios. Also, an analysis is performed for different parameters that affect the new model in immiscible gas flooding. Results show that modification on the mass balance equation has a greater influence than the productivity equation.
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) | 0,000 | 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 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 ».