MétaCan
Menu
← Retour à la cohorte
Enregistrement W4392726840 · doi:10.2118/218082-ms

Enhancing Performance of Co2-Based CSI Process by Water Flooding and/or Nanoparticle Solution Flooding

2024· article· en· W4392726840 sur OpenAlexaff
Yishu Li, Zhongwei Du, Bo Wang, Jiasheng Ding, Fanhua Zeng

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésFlooding (psychology)Water floodingProcess (computing)NanoparticleComputer scienceEnvironmental sciencePetroleum engineeringMaterials scienceNanotechnologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Foamy oil flow is a pivotal aspect of the cyclic solvent injection (CSI) process, yet the influence of water and foam stabilizers, such as nanoparticles, on its efficacy remains insufficiently elucidated. Consequently, a profound comprehension of how waterflooding and nanoparticles impact CSI performance is imperative for advancing oil recovery strategies. This study conducted a meticulously designed experimental investigation to investigate the roles of water and nanoparticles in a CO2-based CSI process. Three distinct tests were executed utilizing a cylindrical sandpack at varying injection pressures. Test 1 entailed a standard CO2-based CSI process for baseline comparison. Test 2 involved a waterflooding process with an injection volume of 1.5 PV, succeeded by a CO2-based CSI process. Test 3 featured a hybrid process comprising the sequence: CSI-waterflooding-CSI-Nanoparticle solution flooding-CSI. Key parameters including injection rate, injection volume, sandpack pressure, production rate, cumulative production, and water cut were meticulously monitored and recorded. Thorough data analytics were then employed to scrutinize the impact of water and nanoparticles, identifying mechanisms for enhancing the CSI process. Laboratory results revealed that the total oil recovery in Test 2 CSI process exceeded that of Test 1 by 7.9%, underscoring the increased efficiency of Test 2. This efficiency was attributed to a 33.2% lower oil saturation after the waterflooding process in Test 2 compared to Test 1. The positive impact of waterflooding on CO2-based CSI processes extended to Test 3, where the oil recovery factor of the CSI phase following waterflooding increased by 7.1% compared to the pre-waterflooding CSI phase. After nanoparticle solution flooding, the subsequent CSI phase yielded an additional 5.9% original oil in place (OOIP), demonstrating the nanoparticles' capacity to enhance foam stability even after multiple second oil recovery (SOR)/ enhanced oil recovery (EOR) processes. As the combined process progressed, the instantaneous gas-oil-ratio increased, facilitated by expanded space for CO2 injection amid heavy oil production. The amalgamated process achieved an impressive total oil recovery factor of 69.5%, more than doubling that of the CSI process in isolation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,225
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→