Integrated Optimization of Hybrid Steam-Solvent Processes in a Post-CHOPS Reservoir with Consideration of Wormhole Networks
Notice bibliographique
Résumé
Abstract In this paper, an integrated technique has been developed to evaluate and optimize performance of hybrid steam-solvent processes in a post-cold heavy oil production with sand (CHOPS) reservoir with consideration of wormhole networks. A reservoir geological model is developed and calibrated by history matching reservoir pressure with oil, gas, and water production rates as the input constraints, while its wormhole network is characterized with a newly developed pressure-gradient-based (PGB) sand failure criterion conditioned to sand production. Once calibrated, the reservoir geological model incorporated with the wormhole network is then employed to evaluate and optimize performance of hybrid steam-solvent processes under various conditions, during which the net present value (NPV) is maximized with an integrated optimization algorithm by taking injection time, soaking time, production time, and injected fluid composition as controlling variables. It is found that a huff-n-puff process imposes a positive impact on enhancing oil recovery when wormhole network is fully generated and propagated. Addition of alkane solvents into CO2 stream leads to a higher oil recovery compared with that of the CO2 only method, while all hybrid steam-solvent injection achieve high oil recovery by taking advantage of both thermal energy and solvent dissolution. It is found that the NPV reaches its maximum value when the steam temperature is 200 °C for the optimized hybrid steam-solvent scenario.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».