Development of an Algorithm of Dynamic Gridding for Multiphase Flow Calculation in Wells
Notice bibliographique
Résumé
Summary Because more and more wells have been put in operation, an accurate modelling of wellbore flow plays a significant role in reservoir simulation. One requirement of a wellbore model is its ability to trace various flow boundaries in the tubing, such as those created by phase or flow regime changing. An algorithm of dynamic gridding is applied to the wellbore flow model coupled with Stanford?s general purpose research simulator (GPRS), which has the capability to simulate the isothermal black oil reservoir model to obtain detailed information that explains such important quantities as flow pattern and mixture velocity in any specific location of wellbore. A significant problem in this case is how to calculate fluid and velocity properties with a fine grid (segment) on the boundaries of different flow regimes in the wellbore. Local dynamical segment refinement in the well can accurately and effectively handle this problem. This wellbore model includes mass conservation equations for each component and a general pressure drop relationship. The multiphase wellbore flow is represented using a drift-flux model, which includes slip between three fluid phases. The model determines the pressure, mixture flow velocity, and phase holdups as functions of time and the axial position along the well or alleviation depth. In addition, this model is capable of generating automatically adaptive segment meshes. We apply the black oil model to the simulation of several cases of isothermal dynamical local mesh refinement, and compare the results with fixed coarse and fine meshes. The experiments show that using local segment refinement can yield accurate results with acceptable computational time.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 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) | 0,000 | 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 ».