MétaCan
Menu
Retour à la cohorte
Enregistrement W2133881005 · doi:10.2118/87307-pa

Phase Behavior of a Gas-Condensate/Water System

2003· article· en· W2133881005 sur OpenAlexaff
Sunil Kokal, Mohammad Al-Dokhi, S.G. Sayegh

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2003
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensSaskatchewan Research Council (Canada)
Organismes subventionnairesnon disponible
Mots-clésBrineMethaneMass transferCarbon dioxideChemistryAqueous solutionHydrocarbonCarbonateFormation waterPhase (matter)ScalingPetroleum engineeringChemical engineeringThermodynamicsChromatographyGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Summary Gas-condensate reservoirs are an essential part of Saudi Arabia's hydrocarbon resources. A good understanding of the effect of water on the phase-behavior properties of these hydrocarbons is essential for accurately forecasting the performance of the reservoirs with numerical simulators. In addition, the scaling and corrosion tendencies of the produced brine are strongly influenced by mass transfer with the hydrocarbon phase. This paper presents unique experimental phase-behavior data for a typical Saudi Arabian gas-condensate three-phase (aqueous/ condensate/gas) system. The objective of this work is to quantify the effect of the aqueous phase on gas-condensate fluid properties. The results show that appreciable amounts of carbon dioxide and methane are partitioned from the gas-condensate phase into the aqueous phase. Another important observation is the mass transfer of water into the condensate phase. The mass transfer between the condensate and aqueous phases results in a slight decrease in the gas/condensate ratio (GCR). The carbon dioxide in solution makes the brine acidic and can dissolve carbonate minerals from the formation (e.g., calcium carbonate). In addition, the acidic or sour brine will be quite corrosive. The experimental results are compared with equation-of-state (EOS) and other correlations published in the literature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,044
Tête enseignante GPT0,326
Écart entre enseignants0,281 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations18
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Reservoir Evaluation & EngineeringMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207