An effective approach to implement asphaltene precipitation in reservoir simulation
Notice bibliographique
Résumé
Asphaltene precipitation and deposition in rock surfaces in oil reservoirs causes formation damage and leads to low well productivity. Therefore, analyzing the asphaltene behavior in terms of precipitation, deposition and its impact on reservoir properties is vital for predicting the production performance of asphaltic oil reservoir. Pure solid model has been widely employed to predict asphaltene precipitation. However, this approach requires a series of flash calculations through a trial-and-error procedure. This leads to higher computational time. Therefore, in this work, a modification in pure solid model is introduced so that asphaltene precipitation can be estimated explicitly in a single-stage flash calculation in each time step, resulting in reduction of computational time. At a sample pressure 2800 psia, asphaltene precipitation calculation has been presented by applying both pure and modified solid model. The comparative results show a difference of around 10% between these two methods. This work also discusses the simulation of wellbore region of production well in an asphaltic oil reservoir that experiences asphaltene precipitation and deposition. An analysis regarding development of asphaltene precipitation and its consequence on reservoir properties (porosity, permeability) and pressure is presented. For simulation, the black oil model of four phases (water-oil-gas-asphaltene) is developed and a detailed description on mathematical model development is presented. The result from the simulation shows that around the wellbore, the asphaltene precipitation is maximum resulting to maximum damage in permeability and porosity. In addition, comparing between “asphaltene precipitation” and “no asphaltene precipitation” cases, a difference of 11.2% in cumulative oil production is observed. • A new modification in solid model for explicit estimation of asphaltene precipitation. • A small difference between estimations by modified model and experimental data. • A faster modified method with less steps. • Solid molar volume of asphaltene with the most impact on asphaltene precipitation. • Total asphaltene content in asphaltene precipitation with the minimal impact.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».