A New Algorithm for Multiphase-Fluid Characterization for Solvent Injection
Notice bibliographique
Résumé
Summary Compositional simulation of solvent injection requires reliable characterization of reservoir fluids by use of an equation of state (EOS). Under the uncertainty associated with nonidentifiable components, reservoir fluids are conventionally characterized in the absence of universal methodology. This is true even for relatively simple fluids involving only the gaseous (V) and oleic (L1) phases. No systematic method has been presented for characterization of more-complex fluids, exhibiting three hydrocarbon phases: the V, L1, and solvent-rich-liquid (L2) phases. This paper presents a new algorithm for systematic characterization of multiphase behavior for solvent-injection simulation. The reliability of the method comes mainly from the binary-interaction parameters (BIPs) newly developed for the Peng-Robinson (PR) (Peng and Robinson 1976, 1978) EOS to represent three-phase behavior, including upper critical endpoints, for n-alkane and carbon dioxide (CO2)/n-alkane binaries. The regression part in fluid characterization broadly follows the concept of perturbation from n-alkanes, which was successfully applied for simpler two-phase fluids in our prior research. The algorithm, in its simplest form, uses only the saturation pressure and liquid density at a given composition and reservoir temperature. Case studies are presented to demonstrate the reliability of the algorithm for 90 reservoir fluids and their mixtures with solvents. Predictions are compared with experimental data for up to three phases. Results show that the simple algorithm developed in this research enables the PR-EOS to predict multiphase behavior in spite of the limited data used in the regression. Without the use of the BIPs developed in this research, the PR-EOS may fail to predict three phases, or may provide erroneous three-phase predictions.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».