Optimizing Solvent-Assisted SAGD in Deep Extra-Heavy Oil Reservoirs: Mechanistic Insights and a Case Study in Liaohe
Notice bibliographique
Résumé
This study investigates the feasibility and optimization of Expanding Solvent Steam-Assisted Gravity Drainage (ES-SAGD) in deep extra-heavy oil reservoirs, with a focus on the Shu 1-38-32 block in the Liaohe Basin. A modified theoretical model that accounts for steam quality reduction with increasing reservoir depth was applied to evaluate SAGD performance. The results demonstrate that declining steam quality at greater burial depths significantly reduces thermal efficiency, the oil–steam ratio (OSR), and overall recovery in conventional SAGD operations. To overcome these challenges, numerical simulations were conducted to evaluate the effect of hexane co-injection in ES-SAGD. A 3 vol% hexane concentration was found to improve oil recovery by 17.3%, increase the peak oil production rate by 36.5%, and raise the cumulative oil–steam ratio from 0.137 to 0.218 compared to conventional SAGD. Sensitivity analyses further revealed that optimal performance is achieved with cyclic injection during the horizontal expansion stage and chamber pressures maintained above 3 MPa. Field-scale forecasting based on five SAGD well pairs showed that the proposed ES-SAGD configuration could enhance the cumulative recovery factor from 28.7% to 63.3% over seven years. These findings clarify the fundamental constraints imposed by steam quality in deep reservoirs and provide practical strategies for optimizing solvent-assisted SAGD operations under such conditions.
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 | 0,001 |
| 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 ».