Кен орындарда полимерлі суландыруды жедел енгізуге прагматикалық тәсіл

Обложка

Цитировать

Полный текст

Аннотация

Негіздеу. Полимерлі суландыру – бұл жетілген кен орындарында мұнай өндіру коэффициентін бастапқы өндірілген мұнай көлемінің 10%-нан астам арттыруға мүмкіндік беретін мұнай өндіруді ұлғайтудың кеңінен танымал әдісі. Бұл ретте, ұзаққа созылған тарихқа және тәжірибеден жиналған көптеген жарияланған мысалдарға қарамастан, әдісті енгізу қарқыны әлі де баяу. Энергия шығыны мен көмірқышқыл газының шығарындыларын азайта отырып, энергия өндірісін ұлғайту қажеттілігін ескере отырып, суды пайдалануды азайтуға және мұнай өндіруді айтарлықтай жылдамдатуға мүмкіндік беретін осы әдісті қарастыру міндетті болуы тиіс. Мақсат. Бұл мақалада әртүрлі кен орындарында полимерлерді айдауды жеделдетіп енгізу бойынша ұсыныстар беру және жеткіліксіз дәл үлгілеу немесе толық емес зертханалық зерттеулердің орнына кәсіпшілік деректерді пайдалану қажеттілігін ескеретін бірнеше прагматикалық тәсілдерді ұсыну міндеті қойылған. Материалдар мен тәсілдер. Жұмыс полимерлерді айдау мұнай өндіруді жеделдету кезінде шығарындылар мен энергия шығындарын қалай азайтатынын көрсететін айдау пилоттық жобаларын күшейтуді ынталандырудың жаңа тәсілдерін қарастырады. Нәтижелер. Жұмыста прагматикалық құралдар мен идеяларды қолдана отырып, полимерлерді айдау әдісіне сәл өзгеше көзқарас қарастырылған, бұл кен орнына жедел шығу кез-келген зертханалық зерттеулерге қарағанда көбірек ақпарат алуға мүмкіндік береді. Қорытындылар. Мұнай өндірудің құлдырауын тежеудің өзекті қажеттілігін ескере отырып, полимерлі суландыру осы мақалада көрсетілген базалық критерийлерді сақтай отырып, жедел енгізілуі мүмкін ең қолайлы әдіс болып табылады.

Полный текст

Доступ закрыт

Об авторах

Антуан Тома

Email: antoinethom@gmail.com
независимый консультант

Список литературы

  1. Lake L W, Johns RT, Rossen WR. & Pope GA. Fundamentals of Enhanced Oil Recovery (SPE, Richardson, 2014).
  2. Sorbie KS. Polymer-Improved Oil Recovery (Springer Science & Business Media, New York, 2013).
  3. Thomas A. Essentials of Polymer Flooding Technique. April 2019, Wiley – ISBN:9781119537588.
  4. Thomas A., 2016. Polymer Flooding, Chemical Enhanced Oil Recovery (cEOR) – a Practical Overview, Dr. Laura Romero-Zerón (Ed.), InTech, doi: 10.5772/64623.
  5. Kumar P, Raj R, Koduru N, et al. Field Implementation of Mangala Polymer Flood: Initial Challenges, Mitigation and Management. In Proceedings of the SPE EOR Conference at Oil and Gas West Asia, Muscat, Oman, 21–23 March 2016. Paper SPE 179820.
  6. Juri J, Ruiz A, Serrano V, Guillen P, et al. Successful 18%STOOIP 4-Injector Polymer Pilot Expands to 80 New Injectors in 6 Years Adopting A Modular Concept in Grimbeek Fluvial Reservoirs. In Proceedings of the International Petroleum Technology Conference, Dhahran, Saudi Arabia, 13–15 January 2020. Paper IPTC-20285.
  7. Naukenova AZh. A comprehensive review of polymer and alkaline/surfactant/polymer flooding applied and researched in Kazakhstan / Naukenova AZh, Sarsenbekov ND, Bekbauov BYe // Қарағанды универисетінің хабаршысы. Химия сериясы. = Вестник Карагандинского университета. Серия Химия. = Bulletin of the Karaganda University. Chemistry series. – 2019. – № 3. – P. 96-101.
  8. Sagyndikov M, Seright RS, Kudaibergenov S, Ogay E. 2022. Field Demonstration of the Impact of Fractures on HPAM Injectivity, Propagation and Degradation. SPE Journal 27. doi: 10.2118/208611-PA.
  9. Sagyndikov MS, Salimgarayev II, Ogay EK, et al. 2022. 'Assessing Polyacrylamide Solution Chemical Stability during a Polymer Flood in the Kalamkas Field, Western Kazakhstan, Bulletin of the University of Karaganda Chemistry, 105(1), 99-112. doi: 10.31489/2022Ch1/99-112.
  10. Sagyndikov MS, Seright RS, Tuyakov N. 2022. An Unconventional Approach to Model a Polymer Flood in the Kalamkas Oilfield. Paper SPE 209355 presented at the SPE Virtual Improved Oil Recovery Conference. 25-29 April 2022. doi: 10.2118/209355-MS.
  11. Gaillard N, Olivaud M, Zaitoun A, et al, 2021. Injectivity and Propagation of Sulfonated Acrylamide-Based Copolymers in Low Permeability Carbonate Reservoir Cores in Harsh Salinity and Temperature Conditions: Challenges and Learnings from a Middle East Onshore Case Study. D032S242R002. doi: 10.2118/207860-MS.
  12. Hinestrosa JML, Masalmeh K, Xu S, et al, 2021. Analysis of the World's First Polymer Injectivity Test in a Carbonate Reservoir Under Extreme Harsh Conditions in ADNOC's Reservoirs. D031S068R001. doi: 10.2118/207991-MS.
  13. Farajzadeh R, Kahrobaei S, Eftekhari AA, et al. Chemical enhanced oil recovery and the dilemma of more and cleaner energy. Sci Rep 11, 829 (2021). https://doi.org/10.1038/s41598-020-80369-z.
  14. Farajzadeh R. Sustainable production of hydrocarbon fields guided by full-cycle exergy analysis. J. Pet. Sci. Eng. 181, 106204 (2019).
  15. Farajzadeh R, Zaal C, Van den Hoek P & Bruining J. Life-cycle assessment of water injection into hydrocarbon reservoirs using exergy concept. J. Clean. Prod. 235, 812–821 (2019).
  16. Farajzadeh, R., Wassing, B. L. & Lake, L. W. Insights into design of mobility control for chemical enhanced oil recovery. Energy Rep. 5, 570–578 (2019).
  17. Farajzadeh R, Kahrobaei SS, de Zwart AH & Boersma D. Life-cycle production optimization of hydrocarbon fields: Thermoeconomics perspective. Sustain. Energy Fuels 3, 3050–3060 (2019).
  18. Farajzadeh R, Glasbergen G, Karpan V, et al. 2022. Improved oil recovery techniques and their role in energy efficiency and reducing CO2 footprint of oil production, Journal of Cleaner Production, Volume 369, 2022,133308, ISSN 0959-6526, https://doi.org/10.1016/j.jclepro.2022.133308.
  19. Van Essen G, Zandvliet M, Van den Hof P, et al. Robust waterflooding optimization of multiple geological scenarios. SPEJ. 14, 202–210 (2009).
  20. Dake LP. Fundamentals of Reservoir Engineering (Elsevier, New York, 1978).
  21. Bedrikovetsky P. Mathematical Theory of Oil & Gas Recovery, With Applications to Ex-USSR Oil & Gas Condensate Fields (Springer Science & Business Media, New York, 1993).
  22. Pope GA. The application of fractional flow theory to enhanced oil recovery. SPEJ. 20(03), 191–205 (1980).
  23. Seright RS. 2017. How Much Polymer Should Be Injected during a Polymer Flood? Review of Previous and Current Practices. SPE Journal 22(1): 1-18. http://dx.doi.org/10.2118/179543-PA.
  24. Poulsen A, Shook GM, Jackson A, et al. 2018. Results of the UK Captain Field Interwell EOR Pilot. Paper SPE 190175 presented at the SPE Improved Oil Recovery Conference, Tulsa, Oklahoma, USA, 14 – 18 April. https://doi.org/10.2118/190175-MS.
  25. Thomas A, Giddins M, Wilton R. (2019). Why is it so Difficult to Predict Polymer Injectivity in Chemical Oil Recovery Processes? IOR 2019 – 20th European Symposium on Improved Oil Recovery. https://doi.org/10.3997/2214-4609.201900114.
  26. Tai I, Giddins MA, Muggeridge A. 2021. Improved Calculation of Wellblock Pressures for Numerical Simulation of Non-Newtonian Polymer Injection. SPE J. 26 (04): 2352 – 2363. Paper Number: SPE-205339-PA. DOI: https://doi.org/10.2118/205339-PA. Published: 11 August 2021.
  27. Dandekar A, Bai B, Barnes J, et al. "First Ever Polymer Flood Field Pilot to Enhance the Recovery of Heavy Oils on Alaska's North Slope Pushing Ahead One Year Later." Paper presented at theSPE Western Regional Meeting, Virtual, April 2021. doi: https://doi.org/10.2118/200814-MS.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Тома А., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».