جستجوی مقالات مرتبط با کلیدواژه "co2 storage" در نشریات گروه "مهندسی شیمی، نفت و پلیمر"
تکرار جستجوی کلیدواژه «co2 storage» در نشریات گروه «فنی و مهندسی»جستجوی co2 storage در مقالات مجلات علمی
-
مجله پژوهش نفت، پیاپی 126 (آذر و دی 1401)، صص 95 -109سیلاب زنی از طریق تزریق گاز دی اکسید کربن مدت های مدیدی است که به عنوان یک روش رایج به منظور بهبود بازیابی نفت، کاهش اثر گلخانه ای گاز دی اکسید کربن، ذخیره سازی دی اکسید کربن بکار میرود. تزریق گاز به صورت امتزاج پذیر همواره به عنوان کارآمدترین روش جهت افزایش ضریب بازیافت مطرح بوده است. ولیکن شرایط مخازن همواره به گونه ای نیست که فشار مخزن بالاتر از فشار امتزاج پذیری باشد؛ بلکه به دلیل مشکلات ناشی از حفظ و نگهداری فشار مخزن در محدوده موردنظر، اغلب مخازن که تحت عملیات تزریق گاز امتزاج پذیر بوده اند، مقادیر فشاری کمتر از فشار کمینه امتزاجی را تجربه می نمایند. لذا در این موقعیت، فرآیند تزریق تحت شرایط نزدیک- امتزاج پذیر از لحاظ عملیاتی امکان پذیرتر است. هدف از این مطالعه بررسی رفتار جریانی نفت- دی اکسید کربن در مقیاس- منفذ در فرآیند تزریق گاز نزدیک- امتزاج پذیر در یک محیط متخلخل ناهمگن است. از این رو ابتدا ناحیه فشاری نزدیک- امتزاج پذیری موثر براساس معیارهای موجود محاسبه و تعیین می گردد. سپس شبیه سازی عددی در مقیاس- منفذ در حد پایینی ناحیه فشاری مورد نظر (کمینه فشار ناحیه برابر با 87/0 حداقل فشار امتزاج پذیری)، با بهره گیری از ماژول میدان فازی در ترکیب با روابط ناویراستوکس با اتخاذ خواص سطحی نفوذی و خواص هیدرودینامیک سیالات در نرم افزار کامسول صورت می پذیرد. بررسی کمی نتایج حاصل از این مطالعه به منظور درک بهتر از مکانیسم بازیافت نفت در مقیاس-منفذ نشان می دهد چنانچه شرایط فشاری در سرتاسر مدل سازی در ناحیه فشاری نزدیک- امتزاج پذیری موثر حفظ گردد، ضریب بازیافت نفت از حدود 50% به بیش از 90% ارتقاء می یابد که این میزان بازیافت به مقادیر مربوط به فرآیند تزریق گاز امتزاجی نزدیک است.کلید واژگان: ذخیره سازی دی اکسید کربن, مدل مقیاس- منفذ, ناحیه نزدیک- امتزاج پذیری, ازدیاد برداشت نفت, میدان فازیCarbon dioxide (CO2) gas flooding has long been regarded as a popular method of improving oil recovery as it can reduce the carbon footprint in the atmosphere through carbon storage and CO2 sequestration. Miscible flooding is considered the most efficient way to reach the maximum oil recovery factor. However, not only do not all oil reservoirs experience pressures above miscibility but also due to difficulty in retaining reservoir pressure in the desired region, numerous miscible flooding operations experience pressure decline below minimum miscibility pressure (MMP). In these circumstances, a near-miscible process seems to be attainable and practical compared with a miscible injection. In the current study, we exclusively focus on pore-scale near-miscible CO2-oil displacement. In this regard, the effective near-miscible region is determined based on the available criteria in the literature. Then at the lower-pressure limit of the defined near-miscible region, Phase-Field coupled with the Navier-Stokes equation as the numerical approach is implemented to investigate the CO2-Oil displacement by capturing the diffusive interface properties and hydrodynamic properties of fluids. Quantitative analysis of results, to better realize the pore-scale mechanism of oil recovery demonstrated that if the pressure conditions are maintained throughout the modeling in the effective near-miscible pressure region, almost significant amounts of by-passed oil in the pores from small to large to be recovered and the oil recovery increased from 50% to more than 90% approaching the results of miscible gas injection. This outcome can accentuate the significance of near-miscible CO2-EOR in operation applications.Keywords: CO2 storage, near-miscible region, Enhanced Oil Recovery, pore-scale model, Phase Field
-
A key variable for determining carbon dioxide (CO2) storage capacity in sub-surface reservoirs is the interfacial tension (IFT) between formation water (brine) and injected gas. Establishing efficient and precise models for estimating CO2 – brine IFT from measurements of independent variables is essential. This is the case, because laboratory techniques for determining IFT are time-consuming, costly and require complex interpretation methods. For the datasets used in the current study, correlation coefficients between the input variables and measured IFT suggests that CO2 density and pressure are the most influential variables, whereas brine density is the least influential. Six artificial neural network configurations are developed and evaluated to determine their relative accuracy in predicting CO2 – brine IFT. Three models involve multilayer perceptron (MLP) tuned with Levenberg-Marquardt, Bayesian regularization and scaled conjugate gradient back-propagation algorithms, respectively. Three models involve the radial basis function (RBF) trained with particle swarm optimization, differential evolution and farmland fertility optimization algorithms, respectively. The six models all generate CO2 – brine IFT predictions with high accuracy (RMSEKeywords: Interfacial Tension (IFT), CO2 Storage, Multi-layer perceptron, Radial basis function, Neural Network Prediction, IFT Influencing Variables
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.