MétaCan
Menu
← Retour à la cohorte
Enregistrement W3217493179 · doi:10.2118/204321-ms

Chemical Flooding in Western Canada – Successes and Operational Challenges

2021· article· en· W3217493179 sur OpenAlexaffabout
G. Renouf, Geoffrey Bolton, Petro Nakutnyy

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensSaskatchewan Research Council (Canada)
Organismes subventionnairesnon disponible
Mots-clésFlooding (psychology)Oil in placeEnvironmental sciencePetroleum engineeringOil productionEnhanced oil recoveryProduced waterEnvironmental engineeringPetroleumEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Over the last 30 years, chemical flooding of oil reservoirs has been broadly adopted as a technique for enhanced and incremental oil recovery around the world. Western Canadian oil producers have embraced polymer flooding to recover heavy oil, but have applied other forms of chemical flooding more sparingly. This study examines 31 chemical floods - ASP, AP, SP, alkali, and nanosurfactant floods - from mostly heavy oil fields (20 heavy oil, 10 medium oil, and one light oil). The success of the chemical floods was related to over forty reservoir and operating parameters, including water quality. We also discuss the operational challenges common in western Canada. Chemical flooding projects were identified through searches of government documents. Production and injection data were gathered using Accumap software; and reservoir and operating parameters were gathered from government documents and literature. Incremental recovery was calculated by performing decline curve analysis of the waterflooding production. The incremental recovery was the difference between the actual production during chemical flooding, and the predicted production had waterflooding continued rather than shifting to chemical flooding. Multivariate analysis was used to determine the most important parameters to the success of the chemical floods. The incremental recoveries ranged from 0 to 22% of original oil-in-place (OOIP), or 0 to 44% of OOIP per pore volume. Twenty-three of the 31 floods improved their water-oil ratios (WOR) after the start of chemical flooding. Water quality was a significant issue to the success of the chemical floods, leading to problems that were not anticipated in the planning and development stages. Some case histories are discussed to better illustrate the best practices for chemical recovery of heavy and medium oils. Water sources, management, treatment and chemistry all pose significant challenges that are often not fully assessed before starting the chemical flood projects. The review highlights challenges common to chemical flooding of heavy oil, and discusses common effects experienced as a result of water and chemistry compromises.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,317

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,205 · 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'étudeObservationnel
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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→