MétaCan
Menu
Retour à la cohorte
Enregistrement W4220699450 · doi:10.2118/208876-ms

What is Next for SAGD?: Evaluation of Low GHG and High-Efficiency Tertiary Recovery Options

2022· article· en· W4220699450 sur OpenAlexaffabout
Randy Agra Pratama, Tayfun Babadagli

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasSteam injectionPetroleum engineeringEnhanced oil recoveryEnvironmental scienceSupercritical fluidPetroleumProcess engineeringWaste managementFossil fuelCoalProcess (computing)Environmental engineeringEngineeringComputer scienceChemistryGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Steam injection has been widely applied in different forms to recover heavy-oil and bitumen for decades. Even though this method is a proven and effective technology, the steam generation process itself may lead to environmental issues and low economic viability. Also, many worldwide steam projects, including SAGD projects in Canada, have already reached their maturity with a severe decline in production despite continuous steam injection. Escalating greenhouse gas (GHG) emissions is another crucial downside of steam injection application, contributing to an emission growth rate of about 1.1% worldwide and 0.8% annually in Canada. This requires us to search for different techniques to deplete the remaining (conditioned) oil efficiently and in an eco-friendly manner. This paper focuses on the testing of a new technique to minimize GHG emissions resulting from steam generation while enhancing the ultimate recovery post-SAGD. ~50,000 cP heavy crude and processed oil (for visual models) samples were used as an oleic phase in this experimental research. Condensable gases as single and multiple (mixed with methane) components were included as potential solvents to be applied to the already steamed models. Visual Hele-Shaw and glass-bead-pack models were employed to investigate the displacement mechanism, displacement efficiency, and phase distribution in porous media. All experiments were performed at currently existing temperatures in matured SAGD reservoirs to further evaluate the sensitivity of phase behavior of condensable solvents in a heavy-oil/steam system, as well as existing condensed water of which is not compatible with hydrocarbon solvents. We observed that condensable solvents could improve the displacement efficiency/incremental heavy-oil recovery over 30% by mobilizing residual oil and providing favorable conformance to the steam chamber. More importantly, the steam usage was able to be entirely cut off, and the energy efficiency could be ramped up to almost 100%. Additionally, the type (and composition) for applying condensable solvents were determined at a given post-SAGD temperature. Also, the retrieval potential of the condensable solvent with oil was investigated for an efficient process. Condensable gases with different compositions were introduced as potential solvents to recuperate heavy-oil and bitumen recovery and reduce or even completely cut off the steam injection at late-stage SAGD, diminishing its GHG emission and improving energy efficiency. Valuable findings present beneficial recommendations for low-emission and high-efficiency late-stage heavy-oil recovery as post-SAGD applications, as well as other types of steam injection processes.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,263
Écart entre enseignants0,244 · 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

Citations8
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetEnhanced Oil Recovery TechniquesTravaux en français237 207