Best Practices in Design of Steam Splitters for Steam-Assisted Gravity Drainage Injection Wells
Notice bibliographique
Résumé
Abstract Steam-assisted gravity drainage (SAGD) is the most common recovery method for bitumen reservoirs in Western Canada. This method basically consists of a producer and injector, built in parallel, one on top of the other. During the normal operation phase (or SAGD mode), the top well injects steam into the reservoir whereas the bottom one produces bitumen, water, and gas. In the injector well, it is common to consider steam splitters to better manage the steam injection along the reservoir and minimize the required injection pressure at surface. This paper reviews steam splitter application in SAGD injection wells in Western Canada and describes the best practices to achieve appropriate distribution of steam in the horizontal section, gathered after designing dozens of wells in the region and considering the implications of two-phase flow and effective heat transfer in tubulars and the reservoir. Several studies were done for one well using a multiphase flow simulator, including the design of the number of ports, steam flow rate sensitivity, injection only in the tubing and combined injection in tubing and casing, the number of steam splitters, and reservoir heterogeneity. The results are shown in terms of the designed number of ports and steam distribution in each steam splitter, required injection pressure, pressure and temperature profiles, and so on. These results will provide operators with additional insights into the downhole behavior of the horizontal steam injection well, leading to improved performance of SAGD processes and identification of possible challenging operational conditions.
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 | 0,001 | 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 | 0,001 |
| 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 ».