MétaCan
Menu
Retour à la cohorte
Enregistrement W2959995969 · doi:10.2118/195697-pa

An Analytical Production Model for Primary Production and Cyclic Solvent Injection in a Heavy-Oil Reservoir

2019· article· en· W2959995969 sur OpenAlexafffund
Hongze Ma, Gaoming Yu, Yuehui She, Yongan Gu

Notice bibliographique

RevueSPE Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesPetroleum Technology Research Centre
Mots-clésPetroleum engineeringDrawdown (hydrology)Isothermal processOil productionGas oil ratioCompressibilityChemistryMaterials scienceThermodynamicsGeologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Summary In this paper, we formulated an analytical material–balance model (MBM) to predict cumulative heavy–oil and gas-production data, as well as the average reservoir pressures, during the primary production and subsequent cyclic solvent injection (CSI) in a heavy–oil reservoir. The theoretical MBM considers the nonequilibrium foamy–oil phase behavior and foamy–oil flow by invoking two kinetic equations with nucleation and decay coefficients. In addition, we conducted four laboratory sandpack tests of the primary production and subsequent CSI to validate the new production model. It was found that the predicted cumulative heavy–oil production data and average reservoir pressures agreed reasonably well with the measured data during the primary production and subsequent CSI. However, there were large discrepancies between the predicted and measured cumulative gas-production data in the CSI owing to its strong gas channeling, which is a major technical issue to be studied further. Moreover, dissolved CH4 in the heavy oil became dispersed CH4 bubbles more quickly when the nucleation coefficient was larger at a higher pressure–drawdown rate or in less–viscous heavy oil. The foamy heavy oil with dispersed CH4 bubbles was more stable when the decay coefficient was smaller at a higher pressure–drawdown rate or in more–viscous heavy oil. It was also found that the foamy–oil isothermal compressibility increased by 10 to 1,000 times and that the dispersed–gas percentage in the foamy oil could reach as high as 14 vol% during the primary production. The foamy–oil viscosity was reduced by 36 to 55%, and the solution CH4/heavy–oil ratio was decreased by 41 to 76% at the end of the CSI.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,016
Tête enseignante GPT0,270
Écart entre enseignants0,254 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207