Maximizing efficiency and uniformity in SAGD steam circulation through effect of heat convection
Notice bibliographique
Résumé
The thermal recovery is facing the challenge of improving quality and efficiency. Steam-assisted gravity drainage (SAGD) steam circulation has a profound implications for the formal production. There is a lack of research on the situation when the steam injection pressure of injection well is lower than that of production well during startup stage. In this paper, the effects of diverse injection pressure difference on SAGD steam circulation and production stage are investigated by analytical modeling and numerical simulation, especially when the steam injection pressure of producer well is larger than that of injection well, and reliable results are obtained by temperature falloff test and model comparison validation. Meanwhile, in order to minimize the factors affecting the simulation accuracy, a sensitivity analysis of the temperature prediction model for the startup stage is carried out using Monte Carlo method and the finest possible mesh is used in the numerical simulation. The results show that:①The preheating results are faster and more uniform than the conventional preheating method when steam injection pressure of producer is greater than that of injector, and the subsequent production indexes are also superior to those of the conventional preheating method. ②The injected steam temperature had the greatest effect on the prediction accuracy of the analytical model; The finer the numerical simulation grid division, the lower the midpoint temperature of the horizontal well pair; ③An optimal range of injection pressure differences that achieves the best balance between preheating efficiency and thermal recovery effectiveness is achieved with P prod - P inj in the range of 400–500 kPa. ④The preheating method investigated in this paper minimizes the effect by unfavorable factors such as reservoir non-homogeneity, which holds the potential for more uniform, time-saving preheating and without the addition of field equipment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».