A New Method for Modeling Bypassed Oil Recovery in EOS Compositional Simulation
Notice bibliographique
Résumé
Abstract The conventional reservoir simulation uses the local equilibrium assumption, where fluids are completely mixed and at equilibrium within individual gridblocks. This assumption allows for no bypassing of oil at the sub-grid scale in gas injection simulation. Oil bypassing by gas, however, always occurs due to micro and macroscopic heterogeneities, gravity, and front instability. There are a few methods proposed in the literature that attempt to model the effects of sub-grid heterogeneity in gas injection simulation. The concept of miscible residual oil saturation (i.e., the Sorm method) excludes the immobile oil from flash calculations and explicitly models bypassed oil. However, the Sorm method cannot model bypassed oil recovery because it allows for no mass flux between the bypassed and flowing fractions. The alpha-factor method uses transport coefficients to adjust components’ flux in compositional simulation. It has been used to retain a desired amount of residual oil in history matching for predominantly single-phase flow. However, its applicability to partial miscibility conditions is not fully understood. This is likely because the presence of more phases with partial miscibility yields more non-linearity and severer non-uniqueness in the history matching process. In this research, we develop an efficient method to model bypassed oil recovery in multiphase compositional simulation. Oil bypassing in gas injection simulation is first explained using dual-porosity-flow (DPF) models. We show that DPF can capture the characteristics of the dispersion-capacitance model, where oil held up in the bypassed fraction gradually migrates to the flowing fraction through intra-block mass flux. Fluid flow in the presence of capacitance is characterized using the DPF parameters; the bypassed fraction, throughput ratio (RT), and Peclet number. A new fluid characterization method is then used to efficiently reproduce DPF characteristics using a single-porosity-flow (SPF) model. An EOS fluid model is corrected for capacitance by adding heavier oil components that are characterized depending on RT. A case study demonstrates successful application of the new method to reflect capacitance effects observed in corefloods in field-scale gas injection simulation. Prediction of residual oil distribution within a reservoir depends significantly on how bypassed oil is modeled in the simulation. Unlike the alpha-factor method, our method requires no changes in the governing equations and in relative permeabilities.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».