MétaCan
Menu
Retour à la cohorte
Enregistrement W2053885904 · doi:10.2118/05-05-01

Modelling Physical Dispersion in Miscible Displacement-Part 1: Theory and the Proposed Numerical Scheme

2005· article· en· W2053885904 sur OpenAlexafffund
Vijay Shrivastava, Long X. Nghiem, R.G. Moore, T. Okazawa

Notice bibliographique

RevueJournal of Canadian Petroleum Technology · 2005
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensImperial Oil (Canada)University of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaHokkaido University
Mots-clésDispersion (optics)MechanicsDisplacement (psychology)Porous mediumGeologyPhysicsPorosityGeotechnical engineeringOptics

Résumé

récupéré en direct d'OpenAlex

Abstract Physical dispersion, comprising molecular diffusion and mechanical dispersion, is one of the primary fluid mixing mechanisms in reservoir processes dominated by compositional change. Its effect controls the characteristics and magnitude of oil recovery by miscible displacement. Standard compositional simulators used to model miscible displacement generally do not include physical dispersion effects and solve the governing equations by first order finite-difference scheme with singlepoint upstream weighting of mobilities. This approach leads to unphysical smearing of fronts (known as numerical dispersion), which is assumed to compensate for the physical dispersion. Unfortunately, this assumption is valid only for one-dimensional problems under very restrictive conditions and can lead to erroneous results in multiple dimensions. The incorporation of physical dispersion in geologically complex models, such as the ones described by non-orthogonal corner-point grids, requires the use of advanced techniques of flux approximation to retain both physical and numerical accuracy. The use of the tensorial form of the permeability or dispersion coefficient becomes a necessity for convective or dispersive transport when flows are not aligned to the principal coordinate axes, which is almost always the case in practical reservoir simulation. In this paper, a new dispersive flux-continuous scheme based on a multi-point control volume procedure is developed to allow the inclusion of the full tensor form of physical dispersion into compositional simulation of miscible displacement on 3-dimensional hexahedron structured corner-point grids. Introduction Gas injection into oil reservoirs results in a number of physical mechanisms that help in mobilizing and extracting the oil. Depending on the pressure, temperature, and the compositions of reservoir oil and the injected gas, immiscible or miscible displacements occur. The mobility ratio of displacing to displaced fluids and the gravity and capillary forces determine the extent of viscous fingering that would take place in a gas displacement process. Often the mass transport is affected by dispersion in different directions due to varying velocity gradients. The oil recovery in a miscible displacement process depends on the size of the mixing zone between the injected fluid and the reservoir oil. For maximum oil recovery at breakthrough to occur, the mixing zone should remain small compared to the reservoir volume so that the oil produced is not diluted by the injected fluid. Ideally in a reservoir with a small mixing zone, for complete oil recovery, slightly more than one reservoir pore volume of injection fluid is required. However, if the mixing zone is large, several reservoir pore volumes of injection fluid may be needed to achieve complete recovery(1). On the other hand, the mixing due to diffusion and dispersion can dampen out viscous fingers in an unstable displacement, leading to increased sweep efficiency. Dispersive mixing is caused by molecular diffusion and mechanical dispersion and is the main part of the mixing in miscible displacements(2). Molecular diffusion is a phenomenon whereby the transport of mass of a species (component) occurs within a single fluid phase from one point to the other in the direction of decreasing concentration.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Canadian Petroleum TechnologyMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207