Asphaltene Precipitation Study during Natural Depletion at Reservoir Conditions
Notice bibliographique
Résumé
Abstract This study concerns with experimental investigations of asphaltene precipitation at reservoir conditions of a crude sample from an Iranian oil reservoir during pressure depletion. High pressure high temperature set up and filtration method was used to quantify amount of precipitated asphaltene at different pressures. In addition the effect of temperature on asphaltene precipitation during pressure depletion has also been examined. The experimental results have been used to develop the asphaltene precipitation model with the application of commercial software as well. The movement of production systems to deepwater and subsea environments in recent years has increased the importance of fluid property related flow assurance issues. Fluid property variations that commonly occur during the production of oil, such as changes in pressure, temperature and composition, can precipitate asphaltenes. Asphaltene precipitation causes severe problems in reservoir oil production which is highly costly and laborious to remediate. Optimizing production in this case requires knowing the conditions under which asphaltenes will remain in solution. Experimental measurements at reservoir conditions play an important role in understanding asphaltene behavior as well as developing and justifying asphaltene models. The results of this study confirm that asphaltene precipitation increases when temperature decreases, this can be interpreted as a result of variation in volume fraction of species when temperature changes. After the pressure onset, asphaltene precipitation increases with reduction of pressure and reaches to a maximum near the bubblepoint. Furthermore reduction in pressure leads to asphaltene redissolusion due to light gas liberation. Also it is revealed that denser asphaltene components have tendency to precipitate initially. The results of this study can be applied as criteria for designing successful production operation in order to avoid asphaltene problem and also for thermodynamic model development or modification.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».