MétaCan
Menu
← Retour à la cohorte
Enregistrement W3033338697 · doi:10.2118/200596-ms

On the Role of Molecular Diffusion in Modelling Enhanced Recovery in Unconventional Condensate Reservoirs

2020· article· en· W3033338697 sur OpenAlexaff
Carla Jordana Sena Santiago, Apostolos Kantzas

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésVaporizationDiffusionMolecular diffusionOil shaleCapillary actionAsphalteneChemistryConvectionChemical physicsMatrix (chemical analysis)Phase (matter)HydrocarbonPetroleum engineeringChemical engineeringMaterials scienceMechanicsThermodynamicsGeologyChromatographyComposite materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Molecular diffusion is a transport mechanism often ignored in conventional, non-fractured multi-component petroleum upstream simulations due to the predominance of convection. In unconventional fractured reservoirs, diffusion plays a vital role in hydrocarbon production. A "shale" reservoir is characterized by thin, ultra-tight matrix blocks surrounded by natural or induced fractures. This creates conditions in which diffusion fluxes could be significant. In ultra-tight formations, convection is a slow process, and the presence of thin blocks surrounded by fractures increases the contact area, both of which favors diffusion. In this paper, we discuss the application of cyclic gas injection to enhance recovery in tight reservoirs in the gas condensate window. A fully implicit model is implemented with the objective to investigate the impact of diffusion on liquid dropout and vaporization on a matrix level. Diffusion fluxes are implemented considering a gradient in total chemical potential as driving force. Additionally, since capillary forces are significant in ultra-tight formations, phase equilibria calculations are modified to account for nano-confinement effects. Sensitivity is performed on matrix block size and injection gas composition (pure C1, a mixture of C1 and CO2, and a mixture of C1, C2 and C3), and the role of diffusion is evaluated for each scenario. As gas is injected, the composition of heavier hydrocarbon fractions in the gas phase significantly increases due to vaporization of condensate. Molecular diffusion helps to spread composition banks. As a result, liquid dropout is delayed during the subsequent production stages. Heavier fractions remain in the gas phase for longer periods, which ultimately enhances its recovery. In addition to that, retention of heavier fractions due to condensate dropout is intensified as the size of the matrix block increases. Longer matrix blocks result in lower swept length for the same number of cycles. As a result, liquid dropout occurs earlier because feed of gas at in-situ composition diffuses from the center of the matrix block towards the fracture boundary. We demonstrate that heavier components recovery is more affected by molecular diffusion than lighter components. Furthermore, it is observed that molecular diffusion strongly influences time and location of occurrence of liquid dropout in tight gas condensate reservoirs. Implementation of a rigorous model that includes convection, diffusion, adsorption and phase change allowed to investigate the commingling effects of different physics involved in enhanced recovery in unconventional reservoirs.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,013
Tête enseignante GPT0,199
Écart entre enseignants0,186 · 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'étudeSimulation ou modélisation
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 sujetHydrocarbon exploration and reservoir analysis→Travaux en français237 207→