An Experimental Investigation of Asphaltene Precipitation During Natural Production of Heavy and Light Oil Reservoirs: The Role of Pressure and Temperature
Notice bibliographique
Résumé
Many oil reservoirs encounter asphaltene precipitation as a major problem during natural production. In spite of numerous experimental studies, the effect of temperature on asphaltene precipitation during pressure depletion at reservoir conditions is still obscure in the literature. To study their asphaltene precipitation behavior at different temperatures, two Iranian light and heavy live oil samples were selected. First, different screening criteria were applied to evaluate asphaltene instability of the selected reservoirs using pressure, volume, and temperature data. Then, a high pressure, high temperature filtration (HPHT) setup was designed to investigate the asphaltene precipitation behavior of the crude samples throughout the pressure depletion process. The performed HPHT tests at different temperature levels provided valuable data and illuminated the role of temperature on precipitation. In the final stage, the obtained data were fed into a commercial simulator for modeling and predicting purposes of asphaltene precipitation at different conditions. The results of the instability analysis illustrated precipitation possibilities for both reservoirs which are in agreement with the oil field observations. It is observed from experimental results that by increasing the temperature, the amount of precipitated asphaltene in light oil will increase, although it decreases precipitation for the heavy crude. The role of temperature is shown to be more significant for the light crude and more illuminated at lower pressures for both crude oils. The results of thermodynamic modeling proved reliable applicability of the software for predicting asphaltene precipitation under pressure depletion conditions. This study attempts to reveal the complicated role of temperature changes on asphaltene precipitation behavior for different reservoir crudes during natural production.
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 | 0,001 |
| 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 ».