A Comprehensive Review of Enhanced Oil Recovery Projects in Canada and Recommendations for Planning Successful Future EOR projects
Notice bibliographique
Résumé
Abstract A database is developed from multiple sources to comprehensively present and evaluate enhanced oil recovery (EOR) projects in Canada. The datasets comprising of in-situ reserves, corresponding production and EOR information of Canada and worldwide EOR projects are made publicly available on a custom-built interactive data analysis platform TIBCO Spotfire. EOR projects for light, medium and heavy oils in Canada are classified into 65 solvent flooding, 6 polymer flooding and 13 Alkali-Surfactant-Polymer (ASP) flooding. Thermal methods, particularly SAGD & CSS are conducted for extra heavy oil and bitumen in oil sands. Another 31 of immiscible flooding projects are also identified. Factors contributing to success of these projects in respective fields are evaluated based on reservoir properties and EOR parameters such as miscibility, wettability, mobility ratio, capillary number, minimum miscibility pressure. With detailed technical analysis, EOR screening criterion for each method is updated and validated with world EOR data as well as Alberta oil pools data of 2019. Primary and secondary flooding projects that have potential for tertiary recovery are matched with historic EOR data to estimate future enhanced production. It has been observed that 257 pools currently employing water flooding have some similarities to fields that have seen success with EOR. Upgrading these primary or secondary projects to enhanced recovery has the potential of increasing daily production by as much as 14%.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,013 | 0,016 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».