Effect of Asphaltene Precipitation and Deposition on Miscible Viscous Fingering in Porous Media — High-Resolution Nonlinear Numerical Simulations
Notice bibliographique
Résumé
Abstract This work focuses on modeling the miscible viscous fingering in porous media accounting for asphaltene precipitation and deposition. The mass balance equations for solvent and asphaltene are defined, and the highly nonlinear system of equations is solved numerically through hybridization of compact finite difference and pseudo-spectral methods. We explain how asphaltene precipitation and the resulting formation damage influence the growth of viscous fingers. To conduct our analysis, we use the experimental data for the amount of asphaltene precipitation at different solvent mass fractions and also oil viscosity at various asphaltene and solvent contents. This data is measured in our lab and is used as input for the nonlinear numerical simulations. For these simulations, the conventional finite difference schemes cannot be applied as they suffer from the excessive computational time and most importantly, numerical dispersion. Therefore, we employ hybrid techniques to benefit from the high accuracy of spectral methods and capture the nonlinear dynamics of fingerings on very fine grids. Hydrocarbons such as light n-alkanes are widely used as diluents in the production and upgrading of heavy oils. The addition of a diluent to heavy oil or bitumen alters the chemical forces acting within the mixture, leading to the precipitation of asphaltenes. It is hypothesized that precipitation of asphaltene from oil changes the viscosity behavior of the mixture, influences the dynamics of viscous fingering, and therefore affects the oil recovery. Moreover, asphaltene deposition alters the porosity and permeability of the porous media and might modify the flow paths, leading to possible formation damage. Our results show that asphaltene precipitates are mostly accumulated in the contact interface between the solvent and oil. The major asphaltene deposition occurs along the growing fingers leading to permeability reductions up to 30% in the studied cases.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».