Integrated Optimization of Hybrid Steam-Solvent Injection in Post-CHOPS Reservoirs with Consideration of Wormhole Networks and Foamy Oil Behavior
Notice bibliographique
Résumé
Summary For this paper, integrated techniques have been developed to optimize the performance of the hybrid steam-solvent injection processes in a depleted post-cold heavy oil production with sand (CHOPS) reservoir with consideration of wormhole networks and foamy oil behavior. After a reservoir geological model has been built and calibrated with the measured production profiles, its wormhole network is inversely determined using the newly developed pressure-gradient-based (PGB) sand failure criterion. Such a calibrated reservoir geological model is then used to maximize the net present value (NPV) of a hybrid steam-solvent injection process by selecting injection time, soaking time, production time, injection rate, steam temperature, and steam quality as the controlling variables. The genetic algorithm (GA) has been integrated with orthogonal array (OA) and Tabu search to maximize the NPV by delaying the displacement front as well as extending the reservoir life under various strategies. Considering the wormhole network and foamy oil behavior and using the NPV as the objective function, such a modified algorithm can be used to allocate and optimize the production-injection strategies of each huff ‘n’ puff (HnP) cycle in a post-CHOPS reservoir with altered porosity and increased permeability within a unified, consistent, and efficient framework.
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 ».