CO2 Foam and CO2 Polymer Enhanced Foam for Heavy Oil Recovery and CO2 Storage
Notice bibliographique
Résumé
Enhanced oil recovery (EOR) from heavy oil reservoirs is challenging. High oil viscosity, high mobility ratio, inadequate sweep, and reservoir heterogeneity adds more challenges and severe difficulties during any EOR method. Foam injection showed potential as an EOR method for challenging and heterogeneous reservoirs containing light oil. However, the foams and especially polymer enhanced foams (PEF) for heavy oil recovery have been less studied. This study aims to evaluate the performance of CO2 foam and CO2 PEF for heavy oil recovery and CO2 storage by analyzing flow through porous media pressure profile, oil recovery, and CO2 gas production. Foam bulk stability tests showed higher stability of PEF compared to that of surfactant-based foam both in the absence and presence of heavy crude oil. The addition of polymer to surfactant-based foam significantly improved its dynamic stability during foam flow experiments. CO2 PEF propagated faster with higher apparent viscosity and resulted in more oil recovery compared to that of CO2 foam injection. The visual observation of glass column demonstrated stable frontal displacement and higher sweep efficiency of PEF compared to that of conventional foam. In the fractured rock sample, additional heavy oil recovery was obtained by liquid diversion into the matrix area rather than gas diversion. Aside from oil production, the higher stability of PEF resulted in more gas storage compared to conventional foam. This study shows that CO2 PEF could significantly improve heavy oil recovery and CO2 storage.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».