MétaCan
Menu
Retour à la cohorte
Enregistrement W4404296638 · doi:10.1016/j.petsci.2024.11.005

Experimental investigation of hybrid enhanced oil recovery techniques for Ugnu Heavy Oil on Alaska North Slope

2024· article· en· W4404296638 sur OpenAlexaff
Temitope Ogunkunle, Hyun Woong Jang, Asad Syed, Rian Billings, Lixing Lin, Yin Zhang, Abhijit Dandekar

Notice bibliographique

RevuePetroleum Science · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringGeologyEnvironmental scienceEngineering

Résumé

récupéré en direct d'OpenAlex

The Alaska North Slope (ANS) is endowed with a substantial reservoir of heavy oil, estimated at 12–18 billion barrels, primarily concentrated within the Ugnu reservoirs. These deposits, situated at depths ranging from 2000 to 4000 feet, lie in close proximity to the permafrost and have undergone biodegradation, resulting in in-situ viscosities reaching thousands of centipoise. Following the success in recovering the somewhat less heavy, viscous oils through polymer injection, the deposits in Ugnu Formation are garnering significant interest. Although thermal recovery methods are commonplace for heavy oils, applying these methods on ANS is impractical, given the adjacency to continuous permafrost. Therefore, non-thermal hybrid enhanced oil recovery (cEOR) methods, such as solvent (e.g., CO 2 ) and low salinity water (LSW), or LSW and polymer-based techniques, emerge as the primarily feasible options for recovering these vast heavy oil resources. This study experimentally investigates, via systematically carried out fluid property and phase behavior tests and a series of sand-pack coreflood experiments, the potential to enhance the recovery of Ugnu heavy oils. The coreflood experiments reveal the synergistic effect of combining liquid-CO 2 with LSW to be the most promising approach in this study as a water alternating gas (WAG) process results in the cumulative recovery factor of 83.5%, doubling the recovery obtained by continuous low salinity waterflood. Additionally, the liquid-CO 2 -LSW WAG process demonstrated an additional benefit for CO 2 storage, with about 25% of the pore volume of the liquid-CO 2 injected being sequestered at the end of the injection process. This significant recovery improvement is attributed to a substantial reduction of oil viscosity upon contact with the liquid CO 2 during the soaking period, with a reduction of up to 95% of the original oil viscosity. Meanwhile, in-situ emulsion generation was observed in the oil produced from the continuous LSW flooding. This was also evident by the increased differential pressure across the sand-pack compared to that of the liquid-CO 2 alternating LSW process. The promising results of this study indicate significant potential for liquid-CO 2 alternating LSW injection as an effective cEOR technique for Ugnu heavy oils.

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)0,000
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
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,244
Écart entre enseignants0,232 · 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

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePetroleum ScienceMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207