MétaCan
Menu
Retour à la cohorte
Enregistrement W3204388051 · doi:10.1115/1.4051552

Performance Evaluation of Hybrid Steam-Solvent Processes in a Post-CHOPS Reservoir With Consideration of Wormhole Network

2021· article· en· W3204388051 sur OpenAlexafffund
Min Zhao, Shikai Yang, Daoyong Yang

Notice bibliographique

RevueJournal of Energy Resources Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWormholePetroleum engineeringSolventFlue gasSteam injectionReservoir simulationEnvironmental scienceEnhanced oil recoveryProcess engineeringMaterials scienceChemistryChemical engineeringGeologyOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract In this paper, techniques have been developed to evaluate performance of steam, solvents, and hybrid steam-solvent processes in a post-CHOPS reservoir with consideration of wormhole network. With the experimentally determined properties of injected gases and reservoir fluids, history matching is accomplished for the reservoir geological model conditioned to the fluid and sand production profiles together with pressure. Meanwhile, the wormhole network is characterized with the pressure gradient-based (PGB) sand failure criterion. Once the history matching is finished, the calibrated reservoir geological model can be used to quantify the contributions of steam, solvents, and hybrid steam-solvent processes under various conditions. The results show that huff-n-puff processes have a very good performance on oil production and recovery when wormhole network is fully generated and propagated. Among all the solvent-based methods, a pure CO2 huff-n-puff process has been proven to be more efficient than flue gas, while the addition of alkane solvents is also beneficial to oil recovery compared with CO2 only method. Since the addition of C3H8 and n-C4H10 will significantly decrease the heavy oil viscosity and enhance the swelling factor, all hybrid steam-solvent injection achieves high oil recovery by taking the advantage of both hot steam and solvents injection.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,214 · 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

Citations12
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207