Wax Formation from Synthetic Oil Systems and Reservoir Fluids
Notice bibliographique
Résumé
In this work, an effort has been made to further improve the predictions of the wax formation conditions based on the previously proposed wax model ( Zuo, J. Y.; Zhang, D.; Ng, H.-J. An improved thermodynamic model for wax precipitation from petroleum fluids. Chem. Eng. Sci. 2001, 56 ( 24), 6941− 6947). The model framework consists of the three-parameter Peng−Robinson equation of state for describing the nonideality of the vapor and liquid phases and the predictive universal quasi-chemical (UNIQUAC) model proposed by Coutinho for the solid (wax) phase. The characterization procedure for plus fractions proposed by Zuo and Zhang ( Zuo, J. Y.; Zhang, D. Plus fraction characterization and PVT data regression for reservoir fluids near critical conditions. SPE 64520, 2000 . ) has been modified and extended to reservoir fluids using high-temperature gas chromatography (HTGC) data. The wax model developed in this study has been applied to predict wax appearance temperature (WAT) and wax cut curves for a number of defined component systems, diesel fuels, and reservoir fluids. The average deviation of the predicted WAT is within 1.5 K at low and high pressures for defined component systems. For reservoir fluids, the predicted thermodynamic WAT locus tends to be much higher than the measured WAT. It is observed that a very small amount of wax precipitated in the fluids could shift the WAT to the measured WAT. The prediction of wax compositions in the solid phase is in good agreement with the experimental data. The results indicate that the proposed wax model is a useful tool to the flow assurance industry.
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 | 0,000 | 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) | 0,000 | 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 ».