Optimizing Water Injection Operational Parameters for Improved Oil Recovery
Notice bibliographique
Résumé
Abstract The demand for energy has been on a steady rise and oil production from world reserves remains the major source of energy generation; therefore, primary recovery methods alone are insufficient to sustain economic oil production. By supplementing the natural energy of the reservoir through secondary recovery techniques, an incremental recovery factor ranging from 15% to 25% usually can be achieved. This makes water injection feasible and economically attractive as it would allow for increased production rates. This paper is focused on the incremental recovery that can possibly be achieved by optimizing the operational parameters of water injection. A reservoir in the Niger Delta region of Nigeria, Reservoir OD-50 was used to illustrate this. Reservoir OD-50 has an estimated STOIIP of 267MMbbls and a recovery factor of 32%, and is planned to be developed alongside water injection for pressure maintenance and improved recovery. This work was done to determine the additional oil can be produced by optimizing the operational parameters affecting the efficiency of water injection. Parameters such as injection rate, time of commencement of injection, contributing drain lengths, well types, bottom hole pressures and tubing head pressures were studied as sensitivities in this work and an optimized case with the most influential parameters on the recovery was obtained. The optimized case resulted in an additional oil recovery factor of 1% and from the economic analyses, the NPV was increased from $293.06M to $305.25M, the IRR from 27.1% to 27.4%, and the PI from 1.44 to 1.46.
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 | 0,001 |
| 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 ».