Viscosity Modeling of Solvent-Heavy Oil/Bitumen Systems at High Pressures and Elevated Temperatures
Notice bibliographique
Résumé
Abstract This work presents a novel framework for reproducing the measured viscosity of solvent-heavy oil/bitumen systems by integrating the Peng-Robinson equation of state (PR EOS) with binary interaction parameters (BIPs) and modified alpha functions. The oil samples are treated as either as a single pseudocomponent (PC) or multiple PCs. Also, the six most common mixing rules (i.e., Arrhenius’ mixing rule, Cragoe’s mixing rule, double-log mixing rule, Lobe’s mixing rule, power law mixing rule and Shu’s mixing rule) have been evaluated and compared. By adopting the effective density concept, the volume-based power law, weight-based power law, and weight-based Cragoe’s mixing rules reproduce the measured viscosity from 4.3–15000.0 mPa·s within the pressure and temperature range from 1.1 to 10.9 MPa and from 287.9 to 463.4 K. When utilizing one PC, the overall absolute average relative deviation (AARD) for viscosity prediction is found to be 16.0%, 16.5%, and 29.4% for the aforementioned mixing rules. When utilizing four PCs, the AARDs decrease to 13.9%, 14.8%, and 19.3% for the same mixing rules. It is evident that such framework has ability to predict solvent-heavy oil mixture viscosity reasonably accurate under various conditions, while it can be easily incorporated into any reservoir simulators within a given reservoir.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».