MétaCan
Menu
Retour à la cohorte
Enregistrement W4386283539 · doi:10.3390/en16176306

In Situ Combustion: A Comprehensive Review of the Current State of Knowledge

2023· review· en· W4386283539 sur OpenAlexafffund
Juan D. Antolinez, Rahman Miri, Alireza Nouri

Notice bibliographique

RevueEnergies · 2023
Typereview
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCombustionEnhanced oil recoveryCurrent (fluid)Petroleum engineeringEnvironmental scienceBiochemical engineeringProcess engineeringComputer scienceEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

In situ combustion or fire flooding is a promising enhanced oil recovery (EOR) technique designed to produce heavy oils and bitumen. This method involves the in-place heating and combustion of hydrocarbons, resulting in reduced viscosity and increased mobility for improved flow toward the production wellbore. Despite its potential, widespread commercial implementation of in situ combustion has been hindered due to technical and economic challenges like inadequate project design and improper reservoir selection. This literature review paper provides a comprehensive overview of the current knowledge of in situ combustion by addressing its principles, historical development, combustion processes, underlying kinetics, and testing methods. Additionally, the review tackles existing gaps in the literature, as well as the challenges associated with modeling and implementation in field applications. It also suggests solutions drawn from historical field experiences of the technology. Finally, the review paper proposes comprehensive screening guidelines derived from various literature sources for the implementation of in situ combustion. This framework underscores the technique’s potential for efficient and sustainable hydrocarbon extraction, shaping its future as a transformative enhanced oil recovery technology.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,697
Score d'incertitude au seuil0,755

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,048
Tête enseignante GPT0,343
Écart entre enseignants0,295 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207