Development of a Chemical Flood Simulator Based on Predictive HLD-NAC Equation of State for Surfactant
Notice bibliographique
Résumé
Abstract Chemical flood reservoir simulators developed based on component partitioning model or empirical phase behavior model lack the effects of physical properties such as surfactant structure and oil properties i.e. equivalent alkane carbon number (EACN) on microemulsion phase behavior. Hence, these simulators have limited function in helping formulation design. A typical empirical microemulsion phase behavior model is the Hand's model that is used in UTCHEM, a benchmark chemical flood compositional simulator. However, it needs several matching parameters to fit phase behavior experiments and requires iterative calculations to solve phase compositions. Therefore, it is desirable to develop a chemical flood simulator with a more efficient and physics-based phase behavior model. This work incorporates a physics based HLD-NAC equation of state (EOS) into UTCHEM. A non-iterative flash calculation algorithm based on HLD-NAC microemulsion EOS is developed, which uses simple equations to represent plait point, binodal curve, and tie-lines. Input model parameters include quantitatively characterized physical properties, such as oil EACN, reservoir temperature, surfactant structure properties (head area and tail length), and optimum solubilization ratio. Therefore, the effects of these parameters on oil recovery can be systemically studied. Coreflood simulation results are validated against the Hand's model. Compared to the Hand's model which requires at least 5 matching parameters and with limited predictability, the HLD-NAC EOS can reproduce microemulsion phase behavior with surfactant tail length as the only fitting parameter. Comparing coreflood simulations using the HLD-NAC model and the Hand's model shows that the same oil recovery curves are obtained when slug at optimum salinity is injected. However, for corefloods using a salinity gradient design, HLD-NAC model predicts higher oil recovery than the Hand's model. The reasons for the differences are analyzed by examining the simulated solubilization ratios and ternary phase diagrams at different salinities. Moreover, numerical experiments show that the HLD-NAC model improves the phase behavior computational efficiency by approximately 65%. The effect of live oil at reservoir pressure is also investigated. Results indicate shifted optimal salinity and solubilization ratio due to solution gas and pressure lead to larger microemulsion bank. Owing to the physical significance, simplicity, and computational efficiency of the HLD-NAC EOS, this novel chemical flooding simulator proves to be a fast and promising tool to speed up surfactant screening process and helping chemical formulation development and injection designs.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».