MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220677007 · doi:10.2118/208933-ms

A Step-Change Improvement in Fluid Diversion, Oil Sweep Efficiency, and CO2 Storage Using Novel Nanoparticle-Based Foam

2022· article· en· W4220677007 sur OpenAlexaff
Ali Telmadarreie, Christopher Johnsen, Steven L. Bryant

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceEnhanced oil recoveryPorous mediumPermeability (electromagnetism)Pulmonary surfactantPetroleum engineeringPorosityFoaming agentNanoparticleComposite materialChemical engineeringNanotechnologyChemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract A significant amount of hydrocarbon in reservoirs is inaccessible even after deploying enhanced oil recovery methods such as gas, water, and chemical injections. Foams have been used for mobility control and fluid diversion for gas-based enhanced oil recovery, but they often lack stability in reservoir conditions. This study introduces the application of highly stable nanoparticle-based foam (nanofoam) for gas and water diversion and improving sweep efficiency and CO2 storage. A series of flow experiments in uniquely designed dual porous media were performed to investigate the performance of nanofoam in fluid diversion, sweep improvement, and CO2 storage. A permeability contrast of 5 was created to mimic the heterogeneity and fluid diversion capability of different fluids including CO2 gas, water, surfactant-based CO2 foam, and nanofoam. High permeability and low permeability porous media were saturated with water and oil (viscosity of 20 cp) respectively, mimicking a swept thief zone and bypassed oil zone. Two different types of nanoparticles were used to stabilize the nanofoam (silica-based and cellulose-based nanoparticles). These nanofoams were compared with a conventional foam stabilized only by surfactant. Due to high mobility contrast, injecting CO2 and water resulted only in displacement of water from the high permeability core, with negligible flow into the oil-saturated core. Foam was then injected with the intention of preferentially filling the high permeability core, so that subsequent CO2/water injection would be diverted into the oil-saturated core. Although surfactant foam generated relatively strong foam, it failed to divert subsequent water/CO2 into the oil-saturated core. The amount of oil recovery and additional CO2 storage was minimal. On the other hand, nanofoam (made with either type of nanoparticles) diverted both water and CO2 to the low permeability media improving oil recovery and increasing CO2 storage. Compared to pure CO2/water injection, nanofoam enhanced the incremental oil recovery by 40% of original oil in place with additional CO2 storage. This study reveals that an engineered designed nanofoam could result in step-change improvement of conventional foams performance hence delivering the results desired in field applications. A highly stable foam can play an important role to access more pore space for CO2 storage and which is inaccessible otherwise without drilling new wells.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,223
Écart entre enseignants0,203 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→