Indexado em
  • Abra o Portão J
  • Genamics JournalSeek
  • JournalTOCs
  • Infraestrutura Nacional de Conhecimento da China (CNKI)
  • Biblioteca de periódicos eletrônicos
  • RefSeek
  • Universidade de Hamdard
  • EBSCO AZ
  • OCLC- WorldCat
  • Catálogo online SWB
  • Biblioteca Virtual de Biologia (vifabio)
  • publons
  • MIAR
  • Euro Pub
  • Google Scholar
Compartilhe esta página
Folheto de jornal
Flyer image

Abstrato

Modelação rigorosa de proporções gás-óleo em solução para uma vasta gama de propriedades de fluidos de reservatórios

Arash Kamari, Sohrab Zendehboudi, James J Sheng*, Amir H ​​​​Mohammadi* e Deresh Ramjugernath

As propriedades do fluido do reservatório, a relação gás-óleo em solução (GOR), são de grande importância em vários aspetos da engenharia petrolífera. Portanto, um meio rápido para estimar tais parâmetros é muito mais próximo. Neste estudo, o método de interação linear e otimização geral é aplicado no desenvolvimento de um modelo preciso e fiável para estimar a solução GOR. A fim de desenvolver um modelo que fosse abrangente, foi compilado um banco de dados extenso e fiável, composto por mais de 1000 conjuntos de dados recolhidos em várias localizações geográficas, incluindo Ásia, Bacia do Mediterrâneo, América do Norte, África e Médio Oriente. Além disso, o modelo desenvolvido foi comparado com métodos empíricos amplamente utilizados, de forma a avaliar o desempenho do método proposto na previsão de dados de soluções GOR. Os resultados mostram que o modelo proposto neste estudo supera os métodos empíricos com os quais foi comparado. Este estudo também investigou a influência das propriedades do fluido do reservatório na solução GOR estimada para o modelo recentemente desenvolvido. Os resultados mostram que a pressão do ponto de bolha e a gravidade do gás têm a maior e a menor influência na solução prevista GOR, respetivamente. Por fim, foi aplicada a abordagem de alavancagem para determinar o domínio de aplicabilidade do método proposto através da deteção de pontos de dados discrepantes. Foi determinado que apenas 26 pontos de dados, entre mais de 1.000 dados, são identificados como pontos de dados discrepantes.

Isenção de responsabilidade: Este resumo foi traduzido usando ferramentas de inteligência artificial e ainda não foi revisado ou verificado