MétaCan
Menu
Retour à la cohorte
Enregistrement W4411302145 · doi:10.1016/j.fluid.2025.114502

Effects of temperature and flue gas composition on miscibility behavior between flue gas and gas condensate

2025· article· en· W4411302145 sur OpenAlexaff
Changfeng Xi, F. Zhao, Xiaokun Zhang, Bojun Wang, Cynthia Wu, Huazhou Li

Notice bibliographique

RevueFluid Phase Equilibria · 2025
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Equilibria and Thermodynamics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesSINOPEC Petroleum Exploration and Production Research InstituteChina Scholarship CouncilChina National Petroleum Corporation
Mots-clésChemistryFlue gasMiscibilityGas compositionThermodynamicsOrganic chemistryPolymer

Résumé

récupéré en direct d'OpenAlex

• Consider unique conditions associated with thermal miscible flooding in this study. • Examine effects of temperature and flue gas composition on miscibility behavior. • MMP of an injection gas first increases and then decreases with temperature. • CO 2 exhibits the lowest peak MMP and N 2 exhibits the highest peak MMP. • Inclusion of N 2 increases peak MMP and dimensionless fraction of vaporizing drive. Thermal miscible flooding has shown promise in enhancing light oil recovery from gas condensate reservoirs. In this process, the generated flue gases could become miscible with gas condensate under elevated reservoir temperatures. To study the miscibility behavior between flue gas and gas condensate, we develop a thermodynamic model based on the Peng-Robinson equation of state (PR EOS) coupled with Peneloux volume translation, for a benchmark gas condensate sample. The pseudocomponents’ properties are tuned to match the constant composition expansion (CCE) and the constant volume depletion (CVD) test data. The tuned model can well reproduce measured data (e.g., relative volume and liquid dropout) in these tests. We then apply it to calculate the phase envelopes of N 2 -gas condensate, CO 2 -gas condensate, and CO 2 N 2 -gas condensate mixtures, revealing the shifts in original phase envelopes. Next, to investigate the influences of temperature and flue gas composition on miscibility behavior, we utilize the analytical tie line method and the cell-to-cell method to calculate the MMPs and drive types of different flue gas-gas condensate mixtures. It is found that the MMP of a given injection gas first increases with temperature, reaches a peak, and then decreases. The dimensionless fraction of vaporizing mechanism of a given injection gas decreases with temperature. The highest MMPs of CO 2 and N 2 are 506 bara at 350 °C and 620 bara at 250 °C, respectively. If the flue gas contains more N 2 , the peak MMP and the dimensionless fraction of vaporizing mechanism increase, but the temperature corresponding to the peak MMP is reduced.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,006
Tête enseignante GPT0,251
Écart entre enseignants0,245 · 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.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFluid Phase EquilibriaMême sujetPhase Equilibria and ThermodynamicsTravaux en français237 207