The Application of Fishbone Wells in Steam-Assisted Gravity Drainage
Notice bibliographique
Résumé
Apart from cost, major challenges facing the recovery of bitumen from Canadian oil sands are the amount of energy utilized per volume of bitumen recovered as well as the amount of greenhouse gas (GHG) emitted to the environment. The situation is even worse in reservoirs that are considered to be challenging or difficult-to-produce due to the reservoir geology. Steam-assisted gravity drainage (SAGD) is the primary in-situ recovery technique for bitumen recovery in Northern Alberta, Western Canada. Within the reservoir, steam chamber conformance is a major control on the efficiency, economic performance, and GHG emissions intensity of the process. There is a search for ways to significantly reduce the costs and emissions of SAGD. Multilateral wells possess the potential to contribute towards this goal. To date, different theoretical designs of multilateral wells have been proposed in literature. One of the most common designs studied is the fishbone well configuration. This configuration has large reservoir contact and thus enhances the productivity of the well. While the merits of the application of multilateral wells are well documented in lighter oil systems, an understanding of the best operating conditions for the use in oil sands reservoirs is poorly understood. The research documented in this thesis examines in detail how fishbone multilateral wells can be used to improve the performance of SAGD. In summary, the results demonstrate that fishbone well are able to improve steam chamber conformance and ultimately minimize cumulative steam-oil ratio (cSOR), maximize ultimate bitumen recovery, improve net present value (NPV), and reduce GHG emissions. Therefore, fishbone multilateral wells should be considered for future SAGD operations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».