SAGD Production Optimization Through Preferential Steam Allocation
Notice bibliographique
Résumé
Abstract Optimizing steam-assisted gravity drainage (SAGD) performance in oil sands reservoirs relies on the quality of steam allocation decisions made across the well inventory. With finite facility steam generation capacity, SAGD producers are typically challenged with identifying the true opportunity cost of allocating steam volumes based on well performance. This paper presents a novel technique to inform steam allocation decisions and managing SAGD reservoir pressures in service of optimizing production and consequently improving the economic performance of the asset through smarter SAGD field development planning. The concept of marginal steam-oil-ratio (mSOR) is introduced as a method of guiding steam allocation decisions. Marginal SOR is defined as the cold-water equivalent volume of steam required to produce the next marginal barrel of bitumen from the production system in a steam constrained environment. The metric represents the opportunity cost of deploying a barrel of steam to the next best alternative in steam allocation decisions. Dynamic quantification of mSOR over the plausible range of operating pressures for each producing entity (PRDE) in the inventory (such as a well group or drainage area) is critical to optimally allocating steam when faced with reservoir challenges such as reservoir complexity and heterogeneity and transient reservoir behaviors such as thief zone interaction. This paper prescribes methodologies to analytically and empirically quantify mSOR for a SAGD production system. Additionally, application of the concept if field production optimization is discussed under the context of integrated production modeling and constrained flow network optimization problems. A case example of applying mSOR to guide steam allocation decisions at ConocoPhillips' Surmont SAGD asset is presented under a steam constrained environment. The mSOR guided solution is validated using brute-force enumeration of steam allocation outcomes in the production system to prove production optimality. The results from this dynamic steam allocation strategy guided by mSOR characterization show significant improvements in field oil rates, field steam management efficiency and consequently the economic value of the SAGD asset.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».