MétaCan
Menu
← Retour à la cohorte
Enregistrement W3010716739 · doi:10.2118/199999-ms

Investigation of Cyclic Gas Injection in the Gas Condensate Window of Unconventional Reservoirs

2020· article· en· W3010716739 sur OpenAlexaff
Carla Jordana Sena Santiago, Apostolos Kantzas

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringVaporizationSaturation (graph theory)Permeability (electromagnetism)MethaneEnvironmental scienceMechanicsMaterials scienceChemistryGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Reservoirs such as Duvernay, Montney and Eagle Ford are segmented in different areas, ranging from predominantly dry gas regions, to wet gas and oil regions. Extensive research has focused on the application of enhanced recovery methods in the oil window of such reservoirs. In this paper, we discuss the application of enhanced recovery in the gas condensate window, with the objective to investigate the impact of diffusion on liquid dropout and vaporization on a matrix level. The Maxwell-Stefan equations were used to account for diffusion phenomena in the medium, and a phase behavior routine was implemented including nano-confinement effects. Numerical experiments were performed to evaluate the range of variability of recovery factors in a cyclic gas injection scenario. Methane was used as injection gas, and 1, 2 and 4 cyclic injection stages were modelled at the scale of a matrix block. Sensitivity was performed using a leaner and a richer gas composition, as well as two levels of permeability (50 and 100 nD). This allowed detailed investigation of time and location of occurrence of liquid dropout through saturation profile maps. Due to molecular partitioning, the phase envelope shifts as production proceeds, generating an accumulation of heavier hydrocarbons in the medium. Since injectivity is reduced in lower permeability media, injection pressure ramp up needs to be controlled to prevent condensate blockage. As a result, longer cycles are needed in the lower permeability case to achieve equivalent recovery. Liquid dropout is recurrent during production after each injection cycle, however, increasing the number of stages resulted in overall lower liquid saturation during subsequent production. Additionally, saturation profile maps indicate that the locus of condensate banks varies between each stage. As more injection stages are performed, a leaner gas remains in the vicinity of the fracture boundary and the condensate bank is formed further into the matrix block. Although more cycles improved recovery of heavier hydrocarbons, faster cycles resulted in lesser penetration of the injection gas into the porous medium. This behavior is more accentuated in the lower permeability cases. Nevertheless, recovery of heavier fractions is still higher compared to the primary production base case. Sensitivity studies will dictate the optimum number of stages for a fixed timeframe. In this work we use a combination of physics involved in flow in tight reservoirs to demonstrate how saturation profile maps can be used as a tool to improve enhanced recovery strategy.

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 enseignants0,003
Score d'incertitude au seuil0,006

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,026
Tête enseignante GPT0,229
Écart entre enseignants0,203 · 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→