MétaCan
Menu
Retour à la cohorte
Enregistrement W2995914615 · doi:10.1002/ese3.578

Investigation of CO<sub>2</sub>/N<sub>2</sub> injection in tight oil reservoirs with confinement effect

2019· article· en· W2995914615 sur OpenAlexaff
Shouya Wu, Zhaomin Li, Zhuangzhuang Wang, Hemanta Sarma, Chao Zhang, Mingxuan Wu

Notice bibliographique

RevueEnergy Science & Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Science and Technology Major ProjectChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésTight oilWater injection (oil production)Permeability (electromagnetism)Petroleum engineeringTight gasInjection wellEnhanced oil recoveryPorous mediumHydraulic fracturingMaterials scienceChemistryPorosityGeologyComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract This paper investigates the CO2/N2 injection process in tight oil reservoirs considering the confinement effect. To study the microscopic physical mechanisms, the confinement effect is characterized by properties shift and capillarity and introduced into the flash calculation to obtain the phase equilibrium of mixture fluids (tight oil/CO2/N2) in tight porous media. The results indicate that the injected nitrogen gas could effectively maintain the reservoir pressure, while it also weakens the effects of the CO2 injection recovery mechanisms, notably diffusivity and viscosity reduction. In addition, a dual‐pore tight oil reservoir model is set up to investigate the CO2/N2 injection with ultra‐low permeability and hydraulic fracturing. The basic CO2 injection parameters are optimized by the orthogonal method. Based on CO2 injection process, three injection schemes of CO2/N2 injection, which are mixed‐gas injection, CO2‐alternating‐N2 (CAN) injection, and N2‐alternating‐CO2 (NAC) injection, were investigated and a comparative analysis was made for the pressure distribution, CO2 mole fraction distribution, and cumulative oil production. Based on this analysis, the CAN injection process proved to be the best injection scheme. A parametric analysis further suggested that the nitrogen gas injection rate was the most important factor. Besides, the effect of gravity drainage, reservoir permeability, nature fractures, and permeability heterogeneity on the oil production of CAN injection process were also investigated in detail. The results show that tight oil reservoir with better vertical connectivity, poor fracture growth, and higher heterogeneity is more favorable for the CO2/N2 injection process.

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)0,000
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,004
Tête enseignante GPT0,182
Écart entre enseignants0,178 · 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

Citations32
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Science & EngineeringMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207