Impact of relative timing of low salinity and polymer flooding on mechanisms by which oil recovery is improved
Notice bibliographique
Résumé
A combination of enhanced oil recovery (EOR) methods, specifically polymer flooding and low salinity (LS) brine injection, has been shown to improve oil recovery beyond what is achievable with either method used alone. However, the optimal sequence and timing of these methods remain unclear, affecting their efficiency. This study investigates the impact of injection sequences and timing of LS brine and polymer to optimize oil recovery by understanding the underlying mechanisms. Six injection scenarios were tested: (1) injecting high salinity (HS) water followed by LS brine (tertiary injection), (2) injecting HS water to intermediate saturation followed by LS brine, (3) injecting LS brine directly (secondary injection), and in each case, (4) polymer injected simultaneously with LS brine, (5) polymer injected after the LS brine, or (6) polymer injected before the LS brine. The results showed a positive synergy between LS brine and polymer in both secondary and tertiary injections. This synergy is highly sensitive to injection timing, sequence, and rock/fluid properties. The combined effect of LS brine and polymer shifts the flow regime by altering the balance between capillary and viscous forces, maximizing oil recovery when both mechanisms are active. Conversely, the effectiveness declines when one mechanism dominates. Therefore, the timing and order of polymer and LS brine injection significantly influence displacement efficiency and oil recovery, with different injection sequences producing varying outcomes, even with the same EOR techniques.
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 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».