Rich solvent - Steam assisted gravity drainage (RS-SAGD): An option for clean oil sands recovery processes
Notice bibliographique
Résumé
The impact of steam generation on Steam-Assisted Gravity Drainage (SAGD) process economics and environmental impacts have led to various modifications of SAGD including solvent co-injection with steam. One example is the Expanding Solvent Steam-Assisted Gravity Drainage (ES-SAGD) process where 1–5 vol% solvent is injected with the steam into the reservoir. The solvent travels with the steam to the edge of depletion chamber dissolving into the oil thereby mobilizing the oil more than would have been achieved with heating alone. This means lower steam-to-oil ratio and thus, greater thermal efficiency, lower emissions intensity, and water consumption intensity. However, processes where the majority of the fluid injected is steam are still overly emissive and expensive to operate. There is a need to develop carbon-neutral bitumen production processes. Rich Solvent-SAGD (RS-SAGD) aims at injecting mostly solvent into the reservoir with small amounts of steam to achieve radically lower emissions and water consumption intensities than that of SAGD. Here, a RS-SAGD process is investigated where the solvent content is >60 vol% by using detailed thermal-solvent reservoir simulation in an Athabasca oil sands reservoir. The results reveal that RS-SAGD yields higher oil rate than that of SAGD and the process has significantly higher energy efficiency, up to 96% lower emissions and water consumption intensities than that of SAGD. Given the performance of RS-SAGD processes, oil sands operators should consider such processes for future operations.
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 | 0,001 | 0,001 |
| 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 ».