Multiphase flow model of CO2 and formation fluid for production wellbores in CO2 geological storage
Notice bibliographique
Résumé
Accurate prediction of multiphase flow behavior in production wellbores is critical for understanding CO 2 migration and fluid dynamics during geological carbon storage. However, existing wellbore multiphase flow models have limited capability in accurately describing the coupled hydrodynamic and thermodynamic behavior of gas–liquid mixtures under high-CO 2 and high-pressure conditions, due to the strong non-ideal thermophysical and phase-behavior characteristics of CO 2 –formation fluid systems. This study develops an improved multiphase flow model that couples a modified flow-pattern identification approach with an interphase mass-transfer model based on flash-calculation theory. A novel method is proposed for identifying multiphase flow patterns in CO 2 flooding production wells. Additionally, leveraging the fluid phase characteristics of an oil field that is undergoing CO 2 flooding for a period of time, an interphase mass transfer model for the wellbore is developed. By integrating this model with the newly proposed flow pattern identification method, an improved predictive model for wellbore pressure drop is established. The model’s reliability is validated using actual wellbore pressure data. For example, when applied to a CO 2 flooding production well in an oilfield, the predicted pressure values closely match the measured data, with a relative average error of −1.9% and an absolute average error of 7.15%, demonstrating high accuracy. The developed model provides a robust theoretical and technical foundation for optimizing CO 2 injection and production strategies in geological storage and EOR operations.
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 | 0,000 |
| 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) | 0,000 | 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 ».