MétaCan
Menu
Retour à la cohorte
Enregistrement W3164046494 · doi:10.2118/205499-pa

Simple and Robust Algorithm for Multiphase Equilibrium Computations at Temperature and Volume Specifications

2021· article· en· W3164046494 sur OpenAlexaff
Chang Lu, Zhehui Jin, Huazhou Li, Lingfei Xu

Notice bibliographique

RevueSPE Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésIsochoric processMultiphase flowIsobaric processComputationSIMPLE algorithmRobustness (evolution)AlgorithmIsothermal processEnhanced oil recoveryThermodynamicsComputer scienceVolume (thermodynamics)Applied mathematicsMathematical optimizationMathematicsPetroleum engineeringChemistryEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Summary Two-phase and three-phase equilibria are frequently encountered in a variety of industrial processes, such as carbon dioxide (CO2) injection for enhanced oil recovery in oil reservoirs, multiphase separation in surface separators, and multiphase flow in wellbores and pipelines. Simulation and engineering design of these processes using isothermal/isochoric (VT) multiphase equilibrium algorithms are sometimes more convenient than that using the conventional isothermal/isobaric (PT) algorithms. This work develops a robust algorithm for VT multiphase equilibrium calculations using a nested approach. The proposed algorithm is simple because a robust PT multiphase equilibrium algorithm is used in the inner loop without any further modifications, while an effective equation-solving method (i.e., Brent’s method; Brent 1971) is applied in the outer loop to solve the pressure corresponding to a given volume/temperature specification. The robustness of the VT algorithm is safeguarded by using a highly efficient trust-region-method-based PT algorithm. We demonstrate the good performance of the newly developed algorithm by applying it to calculate the isochores of fluid mixtures that exhibit both two-phase and three-phaseequilibria.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,743
Score d'incertitude au seuil0,411

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,250
Écart entre enseignants0,229 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE JournalMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207