Performance Evaluation of Ionic Liquids Using Numerical Simulation
Notice bibliographique
Résumé
Given the rise in oil productivity from conventional and unconventional resources in Canada using Enhanced Oil Recovery (EOR), the need to understand and characterize these techniques, for the purpose of recovery optimization, has taken a prominent role in resource management. Chemical flooding has proved to be one of the most efficient EOR techniques. This study investigated the potential of employing Ionic Liquids (ILs) as alternative chemical agents for improving oil recovery. There is very little attention paid to employing this technique as well as few experimental and simulation studies. Consequently, very limited data are available. Since pilot and field studies are relatively expensive and time consuming, a numerical simulation study using CMG-STARS simulator was utilized to explore the efficiency of employing 1-Ethyl-3-Methyl-Imidazolium Acetate ([EMIM][Ac]) and 1-Benzyl-3-meth- limidazolium chloride ([BenzMIM][Cl]) with respect to improving medium oil recovery. Eight different lab-scale sandpack flooding experiments were selected to develop a numerical model to obtain the history matching of the experimental flooding results using CMG-CMOST. We observed that the main challenge was tuning the relative permeability curves to achieve a successful match for the oil recovery factor. Finally, a sensitivity study was performed to examine the effect of the chemical injection rate, the chemical concentration, the slug size, and the initiation time on oil recovery. The results showed a noticeable increase in the oil RF when injecting IL compared to conventional waterflooding.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».