Notice bibliographique
Résumé
Abstract In steam assisted gravity drainage (SAGD) process, accumulation of non-condensable gases at the edges of the steam chamber creates a resistance to heat transfer between hot steam and cold bitumen, thus slowing down growth of the steam chamber. Efficient removal of these gases from the steam chamber can substantially accelerate the recovery process. Typical practice in SAGD is to use steam splitters and strive for a relatively uniform pressure in the horizontal part of the well, which allows for even distribution of injected steam into the reservoir. In convective SAGD process, a significant pressure gradient is deliberately created along the horizontal length of the injector well by tailoring the well completion design. Enhanced flow resistances can be fashioned by using finned tubes, static mixers, flow constrictions or simply using tube sections with varying diameters. A complementary placement of resistances in the producer well prevents short-circuiting of steam. Pressure gradients created in the injector well are translated on to the reservoir, thus allowing for a sweep of non-condensable gasses from the steam chamber. In reservoir simulation studies, a novel convective SAGD process has shown significant improvement in oil production, with 20% higher peak production rates as compared to traditional SAGD while facilitating removal of non-condensable gases in excess of 90% from the steam chamber over the life of the well. Since fluids in the reservoir can now also move along the length of the wells, convective SAGD demonstrates a distinct advantage over traditional SAGD in heterogeneous reservoirs as horizontal barriers to flow can now be overcome with time. Currently, a field pilot is being pursued at Foster Creek to test the validity of convective SAGD process.
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 | 0,000 | 0,000 |
| 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 ».