EOR Screening Methods Assisted by Digital Rock Analysis: A Step Forward
Notice bibliographique
Résumé
Abstract The screening of chemical EOR technologies for a Colombian field was performed using two different screening tools (weighting averages and artificial intelligence). The Alkali-Surfactant-Polymer (ASP) pilot results were compared with the initial screening studies identifying some weaknesses that are addressed in this paper. Additionally, the use of Lattice Boltzmann pore-scale flow simulation approach to support EOR screening studies is also presented. The screening study was developed using the same input data (e.g. pressure, temperature, porosity, permeability, oil gravity, and viscosity). Screening results and potential reservoir analogs identified using both systems were compared, including the evaluation of the geological parameters that are normally missing in most of screening studies. The results are compared with the ASP pilot performance to validate the effectiveness of conventional screening studies overlooking geologic information. In addition, the results were also confirmed evaluating ASP field cases reported in the literature. Finally, the use of digital rock analysis using micro CT scan images to support ongoing screening results is presented. Screening results obtained using different screening tools were similar identifying the EOR recovery process (e.g. Chemical EOR). However, the screening results excluding the evaluation of geological parameters such as rock cementation (e.g. sandstone formations with carbonate cement) did not prevent the selection of ASP flooding as an EOR recovery process for the field under study. This was confirmed with the severe scaling problems observed during the ASP pilot test implemented in Colombia as well in Canadian ASP floods. This paper describes the main steps for conducting robust EOR screening studies, including the use of Lattice Boltzmann pore-scale flow simulation to evaluate preliminary performance of oil recovery processes (e.g. waterflooding, polymer and surfactant injection) that contributes to field evaluations and experimental lab design. The proposed screening approach will contribute identifying the technical and economic EOR potential (from exploratory appraisal to mature field rejuvenation) under conditions of limited information and time constraints.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».