Predictive multiphysics model of vapor extraction (VAPEX) for the in-situ recovery of heavy oil and bitumen
Notice bibliographique
Résumé
This study develops a predictive multiphysics model of the vapor extraction (VAPEX) process, an innovative approach to the in-situ recovery of heavy oil and bitumen that promises to significantly reduce energy requirements and environmental impact. Unlike the widely used steam-assisted gravity drainage (SAGD), which is energy-intensive and generates contaminated water tailings, VAPEX employs a vapor solvent to enhance oil recovery. The dynamic model, grounded in a continuum modeling approach, features no adjustable parameters and comprehensively accounts for phenomena such as gravity-driven unsaturated flow, capillarity, diffusion and dispersion within a two-component (bitumen-solvent) system, and composition-dependent properties like viscosity, surface tension, and diffusivity. Utilizing the pseudo-spectral Chebyshev collocation method for the numerical solution of the highly-coupled governing equations, the model is validated against experimental data from vapor extraction of Cold Lake bitumen by butane. This work delineates the theoretical underpinnings of the VAPEX process and provides a simulation tool to investigate the influence of fluid and porous media properties on oil production rates, thereby advancing a more sustainable alternative to SAGD. • The in-situ production of bitumen by vapor extraction (VAPEX) is modeled. • Non-equilibrium mass transfer drives multiphase flow under gravity and capillarity. • The new model predicts VAPEX dynamics with no adjustable parameters. • Assessment of the effects of heterogeneities on VAPEX is straightforward.
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 ».