Economic Analysis of Low Salinity Polymer Flooding Potential in the Niger Delta Oil Fields
Notice bibliographique
Résumé
With the current growing demand for oil, oil price and the concerns about future oil supplies increases the pressure in securing oil resources. Enhanced oil recovery processes are applied to recover oil not produced by natural and secondary energy drive of the reservoir. In this study, Simulation has been carried out on a hypothetical model using (ECLIPSE 100) as the simulator. Three cases natural depletion, waterflooding, and injection of low saline polymer were considered.5-spot pattern of four vertical producers wells and one vertical injector well was used as a hypothetical well model. Economics analysis were carried out in this three scenario to determine their net present value, profit per dollar invested, payout and Discounted flow-rate of return. The results shows that low salinity polymer flooding has the highest recovery of 62% and profit with NPV @ 10 ($412.9MM), payout 0.9 years, profit per dollar invested $25.9 and dcf-ror 82%. However, waterflooding gave recovery of 42%. NPV @10 ($ 317.3MM), payout 1.2 years, profit per dollar invested $20.8, dcf-ror 78%. Natural depletion gave recovery of 16.5 %, profit with NPV @10 (230.0MM), payout 1.0 years, profit per dollar invested $9.3, dcf-ror 78%. Decision rule was applied using NPV, DCF-ROR, NCR and payout which states that project with higher NPV, DCF-ROR, NCR and less Payout are more economically viable. The result of the three cases considered shows that low salinity polymer injection is more profitable followed by waterflooding and natural depletion.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».