MétaCan
Menu
← Retour à la cohorte
Enregistrement W2982689867 · doi:10.2118/196400-ms

Comparative Evaluation of the Effectiveness of Single-Component and Multi-Component Hydrocarbon Additives for Bitumen Recovery by Steam Assisted Gravity Drainage

2019· article· en· W2982689867 sur OpenAlexaff
Bhuvanesh Selvakumar, Ian D. Gates, Brij Maini

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAsphaltPetroleum engineeringSteam-assisted gravity drainageOil sandsProcess engineeringSteam injectionComponent (thermodynamics)SolventEnhanced oil recoveryViscosityProcess (computing)Environmental scienceWaste managementMaterials scienceComputer scienceChemistryEngineeringThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The inherently high viscosity of bitumen makes SAGD the ideal technology for in-situ recovery of these unconventional hydrocarbon deposits. Its conceptual simplicity and proven performance in the field have directed research to explore new opportunities to further improve its recovery efficiency and minimise its environmental footprint. Solvent addition to steam in a SAGD process makes the thermal and solvent dilution effects on oil viscosity act together in improving the bitumen recovery. Various experimental, numerical and pilot studies have shown the incremental benefit of solvent co-injection in accelerating the oil recovery at reduced steam-oil ratio compared to steam alone injection. The objective of this work was to evaluate the effectiveness of different single-component and multi-component additives for improving the SAGD performance. Among the various process variables, the optimal solvent design and the injection pressure play influential roles in determining the process efficiency, as they directly affect the phase behavior of the system. This paper uses numerical simulation to examine the solvent-SAGD mechanisms and presents a comparative analysis of single and multi-component solvent injection at low and high operating pressures. A lab scale physical model saturated with Athabasca bitumen, used in an earlier experimental study, was adapted to a simulation model for this purpose. After tuning the numerical model by history matching the physical model experiments, it was used to compare the benefits of co-injecting different solvents with steam at two different operating pressures. A range of single component solvents (C4, C5 and C6) and a multi - component gas condensate were aevaluated for low and high-pressure injection scenarios. The results show that all tested solvents reduce the steam oil ratio and enhance the rate of oil production. The relative performance of different solvents is affected by the innate bitumen viscosity and the operating pressure. With lower bitumen viscosity, C4-steam co-injection outperformed C5, C6 and gas-condensate addition for both low- and high-pressure ES-SAGD cases. However, the performance of heavier solvents was better at higher operating pressures due to their relative ease of condensation, which enhances their interactions with bitumen.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,025
Tête enseignante GPT0,268
Écart entre enseignants0,244 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→