Will Carbon Dioxide Injection in Shale Reservoirs Produce from the Shale Matrix, Natural Fractures, or Hydraulic Fractures?
Notice bibliographique
Résumé
Abstract Enhanced oil recovery (EOR) in shale reservoirs has been recently shown to increase oil recovery significantly from this unconventional oil and gas source. One of the most studied EOR methods in shale reservoirs is gas injection, with a focus on carbon Dioxide (CO2) mainly due to the ability to both enhance oil recovery and store the CO2 in the formation. Even though several shale plays have reported an increase in oil recovery using CO2 injection, in some cases this method failed severely. This research attempts to investigate the ability of the CO2 to mobilize crude oil from the three most prominent features in the shale reservoirs, including shale matrix, natural fractures, and hydraulically induced fracture. Shale cores with dimensions of 1 inch in diameter and approximately 1.5 inch in length were used in all experiments. The impact of CO2 soaking time and soaking pressure on the oil recovery were studied. The cores were analyzed to understand how and where the CO2 flowed inside the cores and which prominent feature resulted in the increase in oil recovery. Also, a pre-fractured core was used to run an experiment in order to understand the oil recovery potential from fractured reservoirs. Results showed that oil recovery occurred from the shale matrix, stimulation of natural fractures by the CO2, and from the hydraulic fractures with a large volume coming from the stimulated natural fractures. By understanding where the CO2 will most likely be most productive, proper design of the CO2 EOR in shale can be done in order to maximize recovery and avoid complications during injection and production which may lead to severe operational problems.
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 | 0,001 |
| 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 ».