MétaCan
Menu
Retour à la cohorte
Enregistrement W4289262439 · doi:10.2118/209347-pa

Reinjection of Produced (Sheared) Polymer in a Canadian Viscous Oil Reservoir: Considerations to Improve Economics and Reduce Carbon Footprint

2022· article· en· W4289262439 sur OpenAlexaboutno aff
Pinaki Ghosh, Ryan R. Wilton, Annalise Bowers, Thomas O’Brien, Yu Cao, Clayton Wilson, Mahmoud Ould Metidji, Guillaume Dupuis, Ravi Ravikiran

Notice bibliographique

RevueSPE Journal · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEnhanced oil recoveryResidual oilPetroleum engineeringPolymerAsphaltProduced waterEnvironmental scienceOil fieldMaterials scienceProcess engineeringWaste managementGeologyEngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Summary Chemical enhanced oil recovery (EOR) flooding is one of the more attractive methods to improve oil recovery. However, during times of instability in the oil market, cost of specialized chemicals and necessary facilities for alkali-surfactant-polymer (ASP) or surfactant-polymer makes this technology very expensive and challenging to implement in the field. In the majority of cases, polymer flooding alone has proved to be the most cost-effective solution that has resulted in attractive and predictable return on investment. In recent times, a challenging economic environment has operators looking for added economic and sustainable savings. The possibility of reinjection of produced (sheared) polymer to offset injection concentration requirements can lead to reduced cost and longer sustainability of oil recovery, thus offering a subsequent reduction in produced water (PW) treatment and a reduced full-cycle carbon footprint. This innovative approach is subject to conditions experienced in the surface facilities, as well as in the reservoir. As part of this study, different polymer chemistries were investigated for their mobility control in porous media and comparative effect on oil recovery trends in the presence of produced fluid containing residual polymer. The initial fluid-fluid testing and laboratory characterization results were validated against a mature field EOR project for reduction in polymer requirement to achieve target viscosity. Monophasic flow behavior experiments were performed in Bentheimer and Berea outcrop cores, while oil recovery experiments were performed in Bentheimer outcrops with different polymer solutions—freshly made and combinations with residual produced polymer. Based on field observations and laboratory measurements, a 10 to 15% reduction in fresh polymer loading could be achieved through the reutilization of water containing residual polymer in these specific field conditions. Note, this case study involved produced polymer that was degraded through progressive cavity pumps (PCPs) resulting in only 15 to 20% of the injected viscosity in the produced fluids in addition to thermal and chemical degradations. The monophasic injectivity experiments in both outcrop cores resulted in similar resistance factors (RFs) for fresh polymer and blends with produced water reinjection containing residual polymer (PWcRP) solution, establishing the robustness of this blending system. Oil recovery experiments also resulted in similar oil displacement behavior [approximately 30 to 40% oil originally in place (OOIP) after 0.5 pore volumes (PV) waterflood] for fresh and blends with sheared polymer solutions, validating no loss in recovery potential, with the added benefit of 10 to 15% polymer loading reduction.

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 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 enseignants0,190
Score d'incertitude au seuil0,966

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 Opus0,008
Tête enseignante GPT0,223
Écart entre enseignants0,215 · 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.

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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207