Temporal and spatial temperature distributions and heavy oil production performances in hot-water flooding processes at different water temperatures and injection rates
Notice bibliographique
Résumé
The petroleum industry becomes more and more interested in applying some low-heat thermal-based enhanced oil recovery (EOR) processes to recover heavy oils due to their much-reduced energy consumptions, greenhouse-gas emissions and project costs in comparison to other thermal-based EOR processes, such as steam flooding (SF) and steam assisted gravity drainage (SAGD). In this paper, the heavy oil production performance of hot-water flooding (HWF) as a typical low-heat thermal-based EOR process for reducing the viscosity of heavy oil and improving its mobility was experimentally studied by using a 1-D cylindrical sandpacked physical model with the porosity and permeability of 35.0 % and 4.50 mD, respectively. A total of eight coreflooding tests with different injected water temperatures from 20 °C to 90 °C and injection rates from 0.5 cc/min to 5.0 cc/min were conducted to compare seven HWF tests and one conventional waterflooding (WF) test. In particular, the transient temperature vs. time data were measured at five different locations in the physical model during each HWF/WF test by using a high-precision thermocouple probe with five sensors. The measured in-situ temperature vs. hot-water (HW) injection time/volume data in the HWF tests at a low HW injection rate exhibited three distinct periods. Period I had a progressive increase in the temperature, which was followed by Period II with a decrease in the temperature and Period III at a stable temperature. The transition from Period I to Period II indicated possible HW breakthrough (BT). In contrast, the measured in-situ temperature was always increased with the HW injection volume in the HWF tests at the medium to high HW injection rates. It was found that the heavy oil recovery factor was always increased as the ambient temperature and HW temperature were increased. However, the HW injection rate needs to be optimized due to its dual opposite effects on the heavy oil production performance of HWF. Overall, HWF is found to be an effective low-heat thermal-based EOR process in the heavy oil reservoirs, in comparison with the traditional WF.
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 | 0,000 |
| 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 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 ».