MétaCan
Menu
Retour à la cohorte
Enregistrement W4411728983 · doi:10.1016/j.jgsce.2025.205711

Advances in gas injection for gas condensate reservoirs: Mechanisms and challenges

2025· article· en· W4411728983 sur OpenAlexafffund
Mohamad Mohamadi‐Baghmolaei, Amin Izadpanahi, Sohrab Zendehboudi, Dru Heagle

Notice bibliographique

RevueGas Science and Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensMemorial University of NewfoundlandNatural Resources Canada
Organismes subventionnairesNatural Resources CanadaMitacsEquinor
Mots-clésPetroleum engineeringEnvironmental scienceGeology

Résumé

récupéré en direct d'OpenAlex

Natural gas is a vital energy resource recognized for its cleaner combustion compared to other fossil fuels. A significant proportion of natural gas reserves are gas condensate reservoirs, which exhibit unique thermodynamic behaviors leading to production losses and the retention of valuable hydrocarbons in porous media. Gas injection has emerged as a reliable and environmentally beneficial strategy to enhance recovery from these reservoirs by maintaining pressure and promoting condensate re-vaporization. This review offers a comprehensive analysis of gas injection technologies, including miscible gas injection, Huff-n-Puff, CO 2 injection, and mixed gas injection, customized to various reservoir conditions. The review highlights Huff-n-Puff as a promising method for mitigating condensate blockage during early production, discusses nitrogen injection as a cost-effective and environmentally safer alternative to CO 2 and dry gas, and outlines the key challenges of CO 2 injection, including transport in supercritical form, economic feasibility, and leakage risks. Key contributions of this work include an in-depth discussion of active recovery mechanisms, such as molecular diffusion, bulk convection, and re-vaporization, alongside systematic descriptions of laboratory testing methods for gas condensate characterization. The review also categorizes advancements in modeling, simulation, and experimental studies, highlighting their role in addressing both technical and practical challenges. Furthermore, it explores field applications, environmental impacts, and economic considerations of gas injection, offering insights into sustainable recovery practices. By consolidating global data, field experiences, and recovery techniques, this study identifies critical gaps in current knowledge and provides a framework for optimizing gas injection in gas condensate reservoirs.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,005
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,015
Tête enseignante GPT0,235
Écart entre enseignants0,220 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGas Science and EngineeringMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207