MétaCan
Menu
← Retour à la cohorte
Enregistrement W6968513812 · doi:10.5281/zenodo.16762958

A novel approach to gas cycling enhanced oil recovery (GCEOR) evaluation in unconventional porous media

2024· article· en· W6968513812 sur OpenAlexaff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensA&L Canada Laboratories (Canada)
Organismes subventionnairesnon disponible
Mots-clésEnhanced oil recoveryHydrocarbonPermeability (electromagnetism)Porous mediumUnconventional oilNatural gasPorosityRelative permeabilityVolume (thermodynamics)

Résumé

récupéré en direct d'OpenAlex

Unconventional production suffers from three specific weaknesses: rapid production decline, infill well interference and poor recovery. Gas-Cycling Enhanced Oil Recovery (GCEOR) has the potential to improve all three of these limitations. Many authors use reservoir simulation to evaluate the benefits of GCEOR. These forecasts are often uncalibrated and lack fundamental experimental data. Traditional, axial core testing, is not practical for unconventional rock. The Darcy equation (Q = k A ΔP/ μ L) describes why axial core testing is impractical. For a permeability of 100 nD and a viscosity of 0.5 mPa-s, with typical ΔP, the time required to inject one hydrocarbon pore volume (HCPV) of fluid is 22 weeks. Using radial flow with the same conditions, approximately three hours would be required to inject one HCPV. Patented equipment design allowed GCEOR experimentation at full reservoir conditions in porous media ranging from 10 nD up to 2400 nD (Duvernay and Montney) using fluids ranging from gas condensate gas to 40 API oil. Some of the conclusions, based upon more than 70 primary depletions followed by multiple cycles of GCEOR Huff and Puff, were: 1. Geological heterogeneities play a major role in GCEOR performance. 2. Well-designed GCEOR performs like gas storage; injection gas volumes were less than 5 Mscf per incremental barrel of hydrocarbon liquid recovered by GCEOR. 3. Acid gases may also be sequestered using GCEOR in unconventionals. 4. GCEOR for hydrocarbon liquids recovery applied to gas condensate fluids performs well compared to primary depletion hydrocarbon liquid recovery. This paper describes laboratory-scale testing that can help to optimize GCEOR in unconventional porous media.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,255
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
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→