Pelican Lake: Learning from the Largest Polymer Flood Expansion in a Heavy Oil Field
Notice bibliographique
Résumé
Summary Polymer has been injected continuously since 2005-06 in the Pelican Lake field in Canada, starting with a pilot rapidly followed by an expansion. At some point, 900 horizontal wells were injecting 300,000 bbl/d of polymer solution and oil production related to polymer injection reached 65,000 bopd. As a result, the Pelican Lake polymer flood is the largest polymer flood in heavy oil in the world and the largest polymer flood using horizontal wells. Although some papers have already been devoted to the initial polymer flood pilots, very little has been published on the expansion of the polymer flood and this is what this paper will focus on. The paper will describe the various phases of the polymer flood expansion and their respective performances as well as discuss the specific challenges in the field including strong variations in oil viscosity (from 800 to over 10,000 cp), how irregular legacy well patterns were dealt with, and how primary, secondary and tertiary polymer injection compare. It will also show the performances of polymer injection in combination with multi-lateral wells and touch upon the surface issues including the facilities. The availability of field and production data (which are public in Canada) combined with the variability in the field properties provide us with a wealth of data to better understand the performances of polymer flooding in heavy oil. This case study will benefit engineers and companies that are interested in polymer flood, in particular in heavy oil. The paper will be a significant addition to the literature where few large scale chemical EOR expansions are described.
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) | 0,001 | 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 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 ».