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-CHOPS reservoir with consideration of wormhole networks. A reservoir geological model is developed and calibrated by history matching reservoir pressure with the 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. 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. Among all solvent-based methods, a pure CO2 huff-n-puff process shows a better performance than flue gas, while the addition of alkane solvents leads to a higher oil recovery compared with that of the CO2 only method. Since the addition of C3H8 and n-C4H10 will significantly decrease heavy oil viscosity and enhance oil swelling, all hybrid steam-solvent injection achieves high oil recovery by taking advantage of both thermal energy and solvent dissolution. It is found that the NPV reaches its maximum of C$5.36 × 107 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 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 | 0,001 | 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 ».