A New Method for Optimizing Water-Flooding Strategies in Multi-Layer Sandstone Reservoirs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As one of the most important and economically enhanced oil-recovery technologies, water flooding has been applied in various oilfields worldwide for nearly a century. Stratified water injection is the key to improving water-flooding performance. In water flooding, the water-injection rate is normally optimized based on the reservoir permeability and thickness. However, this strategy is not applicable after oilfields enter the ultra-high-water-cut period. In this study, an original method for optimizing water-flooding parameters for developing multi-layer sandstone reservoirs in the entire flooding process and in a given period is proposed based on reservoir engineering theory and optimization technology. Meanwhile, optimization mathematical models that yield maximum oil recovery or net present value (NPV) are developed. The new method is verified by water-flooding experiments using Berea cores. The results show that using the method developed in this study can increase the total oil recovery by approximately 3 percent compared with the traditional method using the same water-injection amounts. The experimental results are consistent with the results from theoretical analysis. Moreover, this study shows that the geological reserves of each layer and the relative permeability curves have the greatest influence on the optimized water-injection rate, rather than the reservoir properties, which are the primary consideration in a traditional optimization method. The method developed in this study could not only be implemented in a newly developed oilfield but also could be used in a mature oilfield that has been developed for years. However, this study also shows that using the optimized water injection at an earlier stage will provide better EOR performance.
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.
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 | 0,001 | 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 découle