Integrated Optimization of Hybrid Steam-Solvent Injection in Post-CHOPS Reservoirs with Consideration of Wormhole Networks and Foamy Oil Flow
Notice bibliographique
Résumé
Abstract In this paper, integrated techniques have been developed to optimize performance of the hybrid steam-solvent injection processes in a depleted post-CHOPS reservoir with consideration of wormhole networks and foamy oil flow. With the experimentally determined properties of injected gases and reservoir fluids by performing PVT tests, history matching of the reservoir geological model is completed through the relationship between fluid and sand production profiles and reservoir pressure. Meanwhile, the wormhole network has been inversely determined with the newly developed pressure-gradient-based (PGB) sand failure criterion. Once the history matching is completed, the calibrated reservoir geological model is used to optimize the solvent(s) and CO2 concentrations, provided that thermal energy, injection rates, and flowing bottomhole pressures are chosen as the controlling variables. The genetic algorithm has been modified and used to maximize the objective function of net present value (NPV) while delaying the displacement front as well as extending the reservoir life with optimal oil recovery under various strategies. Depending on the formation pressure and temperature, soaking time is optimized as a function of solvent concentration and fluid properties. Subsequently, considering the wormhole network and foamy oil flow, such a modified algorithm can be used to allocate and optimize the production-injection strategies with the NPV as the objective function.
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 ».