MétaCan
Menu
Retour à la cohorte
Enregistrement W4253060541 · doi:10.32920/ryerson.14656275

Optimal Control Of Atmospheric Air Injection For Enhanced Oil Recovery

2021· preprint· en· W4253060541 sur OpenAlexaff
Shahrad Khodaei Booran

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensToronto Metropolitan UniversityDow Chemical (Canada)
Organismes subventionnairesnon disponible
Mots-clésSecondary air injectionPetroleum engineeringEnhanced oil recoveryEnvironmental scienceOil in placeMaterials scienceAir temperatureLight crude oilCarbon dioxideThermodynamicsChemistryPetroleumAtmospheric sciencesGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

Gas-based enhanced oil recovery (EOR) processes rely on the injection of gases such as carbon dioxide, nitrogen, and natural gas into heavy oil reservoirs to reduce inherent oil viscosity. Although these processes are very promising, they face the problem of limited and costly gas supply. This study investigates the conditions, specifically temperature variation, under which freely available air at low temperatures, low pressures, and non-reactive environments for heavy oil recovery. To that end, preliminary experiments are carried out to demonstrate the possibility of beneficial effects of air temperature variation with time. Furthermore, this research aims to utilize the theory of optimal control to determine optimal air temperature versus time function to maximize the heavy oil recovery. For this purpose, the conditions necessary for optimal control are derived and utilized in a computational algorithm. The preliminary experiments are executed by injecting air into a lab-scale heavy oil reservoir at different pressures (0.169-0.514 MPa absolute) and temperatures in the range of 25-90oC. Reservoirs of four different permeabilities (40-427 Darcy) are used in experiments. When air is injected with a periodic temperature variation between 90oC and 75oC that has an average of 78oC, the recovery is increased from 58.2% to 69.1% of the original-oil-in-place (OOIP) in comparison to that using constant temperature air injection at the maximum temperature of 90oC. That is a considerable improvement of oil recovery by 18.6%. Furthermore, utilizing optimal control the optimal interfacial temperature versus time (control policy) is determined between 90oC and 82oC, which registers 20.66% increase in the oil recovery in comparison to that at the constant temperature of 90oC. The accuracy of optimal control is experimentally validated. The results show that the average relative difference between the predicted heavy oil recovery and the experimental value is a low value of 1.82%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,345
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 Opus0,012
Tête enseignante GPT0,257
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207