Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения



Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения
Способы и устройство для получения характеристик нефтесодержащей текучей среды и варианты их применения

 


Владельцы патента RU 2527684:

ШЛЮМБЕРГЕР ТЕКНОЛОДЖИ Б.В. (NL)

Группа изобретений относится к получению характеристик нефтесодержащей текучей среды, извлекаемой из углеводородосодержащего геологического пласта. Представлен способ получения характеристик одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды, заключающийся в том, что: (а) измеряют в скважине с помощью скважинного инструмента анализа текучей среды данные, представляющие, по меньшей мере, одно свойство для группы компонентов многокомпонентной нефтесодержащей текучей среды, и сохраняют данные в считываемой компьютером памяти, причем это, по меньшей мере, одно свойство для группы компонентов является весовым процентом группы компонентов; (б) с использованием процессора компьютера и программного обеспечения, сохраненного в считываемой компьютером памяти, получают, по меньшей мере, одно свойство для соответствующих компонентов группы из группы компонентов на основе данных, сохраненных на этапе (а), причем это, по меньшей мере, одно свойство является весовым процентом для соответствующих компонентов группы, и соотношение, полученное из анализа базы данных давление-объем-температура, причем это соотношение выражается линейной функцией количества атомов углерода для соответствующих компонентов группы и основано на коэффициентах дозирования, вычисленных в соответствии с уравнением

где i изменяется в диапазоне целых чисел, соответствующих группе компонентов с определенным количеством атомов углерода в группе компонентов, Ψi - коэффициент дозирования для i-го компонента с определенным количеством атомов углерода в группе компонентов, А и В заданы по результатам регрессионного анализа базы данных давление-объем-температура, и CNi - количество атомов углерода для i-го компонента с определенным количеством атомов углерода в группе компонентов; (в) используют процессор компьютера и программное обеспечение, по меньшей мере, одно свойство для соответствующих компонентов группы, полученных на этапе (б) для оценки или прогнозирования одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды; (г) выводят результаты, полученные на этапе (в) пользователю. Также описаны другие варианты вышеуказанного способа, компьютерная система обработки данных для получения характеристик одного или нескольких свойств вышеуказанной текучей среды и считываемый компьютером носитель. Достигается повышение информативности и надежности при получении необходимых характеристик. 5 н. и 22 з.п. ф-лы, 15 ил., 1 табл.

 

По заявке испрашивается приоритет по предварительной патентной заявке США 61/023,135, зарегистрированной 24 января 2008 г. и включенной в данный документ в виде ссылки.

Область техники

Настоящее изобретение относится к способам и устройству для получения характеристик нефтесодержащей текучей среды, извлекаемой из содержащего углеводороды геологического пласта. Изобретение применимо к моделированию коллекторов, хотя данным не ограничено.

Предшествующий уровень техники

Нефть состоит из сложной смеси углеводородов различного молекулярного веса и других органических соединений. Точный молекулярный состав нефти изменяется в широких пределах от одного пласта к другому. Пропорция углеводородов в смеси является сильно изменяющейся величиной и находится в пределах от 97% по весу в легкой нефти до 50% в тяжелой нефти и битумах. Углеводороды в нефти в основном представлены алканами (линейными или разветвленными), циклоалканами, ароматическими углеводородами или более сложными химическими веществами, такими как асфальтены. Другие органические соединения в нефти обычно содержат двуокись углерода (CO2), азот, кислород, серу и незначительные количества металлов, таких как железо, никель, медь и ванадий.

Алканы, также известные как парафины, являются насыщенными углеводородами с прямыми или разветвленными цепями, содержащими только углерод и водород, и имеют общую формулу CnH2n+2. Алканы, в общем, имеют от 5 до 40 атомов углерода на молекулу, хотя незначительные количества более коротких или более длинных молекул могут присутствовать в смеси. Алканы включают в себя метан (СН4), этан (C2H6,), пропан (C3H8), изобутан (iC4H10), n-бутан (nC4H10), изопентан (iC5H12), n-пентан (nC5H12), гексан (C6H14), гептан (C7H16), октан (C8H18), нонан (C9H20), декан (C10H22), ундекан (C11H24), также именуемый эндеканом, додекан (C12H26), тридекан (C13H28), тетрадекан (C14H30)), пентадекан (C15H32) и гексадекан (C16H34).

Циклоалканы, также известные как нафтеновые углеводороды, являются насыщенными углеводородами, имеющими одно или несколько углеродных колец, к которым прикреплены атомы водорода, согласно формуле CnH2n. Циклоалканы имеют свойства, аналогичные алканам, но имеют более высокие точки кипения. Циклоалканы включают в себя циклопропан (C3H6), циклобутан (C4H8), циклопентан (C5H10), циклогексан (C6H12), циклогептан (C7H14) и т.д.

Ароматические углеводороды являются ненасыщенными углеводородами, имеющими одно или несколько плоских шестиуглеродных колец, называемых бензольными кольцами, к которым прикреплены атомы водорода, с формулой CnHn. Они имеют тенденцию гореть с коптящим пламенем, и многие имеют сладкий запах. Некоторые являются канцерогенными. Ароматические углеводороды включают в себя бензол (C6H6) и производные бензола, а также полиароматические углеводороды.

Разработаны методики компьютерного моделирования и имитации для оценки свойств и/или поведения нефтесодержащей текучей среды в коллекторе, представляющем интерес. Обычно такие методики используют модель по уравнениям состояния, представляющую фазовое поведение нефтесодержащей текучей среды в коллекторе. После создания модели по уравнениям состояния ее можно использовать для вычисления многочисленных свойств нефтесодержащей текучей среды коллектора, таких как газовый фактор (GOR) или конденсатно-газовый фактор (CDR), плотность каждой фазы, объемные коэффициенты и сжимаемость, теплоемкость и давление насыщения (точка начала кипения или точка росы). Таким образом, модель по уравнениям состояния можно решать для получения давления насыщения при данной температуре. Более того, газовый фактор, конденсатно-газовый фактор, фазовые плотности и объемные коэффициенты являются побочными продуктами модели по уравнениям состояния. Другие свойства, такие как теплоемкость или вязкость, можно также получать из информации, касающейся состава текучей среды. Дополнительно к этому, модель по уравнениям состояния можно расширить другой методикой оценки коллектора для моделирования состава потока и эксплуатационного поведения нефтесодержащей текучей среды коллектора, как хорошо известно в технике. Например, моделирование состава может помогать в изучении (1) истощения коллектора летучей нефти или газоконденсатного коллектора, где фазовые составы и свойства существенно изменяются с давлением ниже точки кипения или точки росы, (2) закачки неравновесного газа (сухого или обогащенного) в коллектор мазута для мобилизации нефти испарением, и (3) закачки CO2 в нефтяной коллектор для придания подвижности нефти с вытеснением при смешивании и уменьшением вязкости нефти и набуханием нефти.

Данные, описывающие более тяжелые углеводородные компоненты (например, алканы, такие как пропан, бутан, пентан, гексан, гептан и более тяжелые) нефтесодержащей текучей среды важны для точности модели по уравнениям состояния и результатов, которые получают из нее. Обычно получение характеристик более тяжелых углеводородных компонентов включает в себя процесс разнесения, выполняемый по данным состава, измеренным в образцах текучей среды, отобранных каротажным инструментом. Данные состава описывают концентрации (и, возможно, другие свойства) углеводородных компонентов низкого порядка (обычно метан и этан) нефтесодержащей текучей среды, а также концентрации (и, возможно, другие свойства) групп компонентов нефтесодержащей текучей среды. Например, такие группы компонентов могут включать в себя алкановую группу С3-C5 (пропан, бутан и пентан) и группы более тяжелых алкановых компонентов (C6+). В процессе разнесения обрабатывают данные состава, измеренные в образцах текучей среды, отобранных каротажным инструментом для оценки молярного распределения компонентов групп компонентов. Например, Whitson в материале "Characterizing Hydrocarbon Plus Fractions," Society of Petroleum Engineers Journal, 1983, pp. 683-694, вероятностную модель распределения для получения молярных долей алкановых компонентов группы С7+. Весовые доли таких компонентов затем получают из молекулярных весов и полученных молярных долей. Вместе с тем, с подходом Whitson нельзя выполнять разнесение алкановой группы С3-C5 и нельзя преобразовать весовые доли текучих сред коллектора в молярные доли, требуемые в модели по уравнениям состояния, вследствие неизвестного молекулярного веса доли С6+. В другом примере Pedersen et al. в «Characterization of Gas Condensate Mixtures», American Institute of Chemical Engineers Spring National Meeting, March 1988, Technical Paper 36C, New Orleans, Louisiana, USA, American Institute of Chemical Engineers, 1988, pp. 137-151 использует эмпирические формулы для получения молярных долей для алкановых компонентов с определенным количеством атомов углерода группы С7+. Эмпирические формулы включают в себя константы, специфические для фактической исследуемой смеси. Вместе с тем, аналогично подходу Whitson, с подходом Pedersen нельзя выполнять разнесение алкановой группы С3-C5 и нельзя преобразовать весовые доли текучих сред коллектора в молярные доли. Pedersen et al. предполагают, что молярные доли тяжелее C7 подчиняются экспоненциальному распределению в зависимости от количества атомов углерода, что в некоторых случаях не точно для каротажного инструмента. Таким образом, настоящее изобретение предполагает, что весовые доли вместо молярных долей тяжелее C7 подчиняются экспоненциальному распределению в зависимости от количества атомов углерода, и получены лучшие результаты.

Примером каротажного инструмента, подходящего для отбора проб текучей среды и для анализа данных состава является модульный динамический пластоиспытатель, поставляемый Schlumberger Technology Corporation, Sugar Land, Texas. USA. Модульный динамический пластоиспытатель создает управляемый канал гидравлической связи между текучей средой коллектора и стволом скважины и обеспечивает извлечение небольшого количества пластовой текучей среды через зонд, контактирующий с породой коллектора (пластом). Такой отбор проб текучей среды в скважине является предпочтительным, поскольку пробы, отобранные в скважине, являются более точными. Конкретнее, в случае, если давление отбора проб выше давления насыщения, текучая среда должна быть однофазной, обеспечивающей анализ первоначального состава. Для давлений ниже давления насыщения измерение свойств жидкой фазы в нефтяной зоне и попутного газа над ней должно давать отбор проб с большей точностью, чем для проб, рекомбинированных на поверхности. Действительно, может являться более сложным поддержание образца в состоянии, в котором он существовал в скважине, когда образец был извлечен на поверхность. Традиционно, образцы текучей среды, собранные каротажными инструментами, доставляли на поверхность для анализа в лаборатории. Вместе с тем, недавние разработки модульного динамического пластоиспытателя сделали возможным прямое измерение свойств текучей среды в скважине во время вызывания притока или последовательности отбора проб, которые именуются в данном документе как «анализом текучей среды в скважине». Детали устройства модульного динамического пластоиспытателя и его возможностей для анализа текучей среды в скважине можно получить из общеизвестных патентов США 3 859 851; 4 994 671; 5 167 149; 5 201 220; 5 266 800; 5 331 156 и 7 081 615.

Разброс углеводородных компонентов между образцами нефти диктует характеристики конкретного образца. Обычно, образцы нефти классифицируют по типам текучей среды, включающих в себя мазуты, летучие нефти, ретроградные конденсаты, жирные газы и сухие газы. Данные типы текучих сред требуют различных подходов при эксплуатации, и различные свойства используют для их описания. Например, в общем, принято, что мазуты и сухие газы можно удовлетворительно описывать с использованием усредненных свойств нефтяной и газовой фаз, таких как объемные коэффициенты и степени растворимости газа. Летучие нефти, ретроградные конденсаты и жирные газы требуют более детального знания состава текучей среды, поскольку конечную нефтеотдачу диктует управление условиями добычи (главным образом давлением).

Анализ текучей среды в скважине является предпочтительным, поскольку дает информацию в режиме реального времени, в отличие от анализа в лаборатории, который может требовать нескольких дней, или анализ на поверхности на площадке скважины, который может приводить к нежелательным фазовым переходам, а также потере ключевых составляющих. Детальное описание свойств текучей среды необходимо для точного моделирования текучих сред в коллекторе. Действительно, на решения, такие как тип заканчивания скважины, способы добычи и проектирование наземного оборудования подготовки влияют характеристики добываемых текучих сред.

Сущность изобретения

Задачей настоящего изобретения является создание способов и устройства для получения характеристик текучей среды коллектора способом, точно отражающим показатели более тяжелых углеводородных компонентов в текучей среде коллектора.

Изобретением дополнительно предложены способы и устройство для получения характеристик текучих сред коллектора способом, учитывающим термодинамическое поведение текучих сред коллектора.

Изобретением также предложены способы и устройство для анализа состава текучих сред коллектора совместно с термодинамическим поведением текучих сред коллектора.

Соответственно, в способе и устройстве для получения характеристик одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды сохраняют данные, представляющие, по меньшей мере, одно свойство для группы компонентов многокомпонентной нефтесодержащей текучей среды. По меньшей мере, одно свойство для соответствующих компонентов группы получают из сохраненных данных и эмпирического соотношения, полученного посредством анализа базы данных давление-объем-температура. Свойство (свойства) соответствующих компонентов группы используют для оценки или прогнозирования одного или нескольких свойств текучей среды. В варианте осуществления свойство (свойства) для группы компонентов, включающее в себя весовой процент группы алкановых компонентов, и свойство (свойства) для соответствующих компонентов группы включает в себя весовые проценты для соответствующих алкановых компонентов группы. Эмпирическое соотношение предпочтительно подчиняется линейной функции количества атомов углерода для соответствующих алкановых компонентов группы, как описано в данном документе.

В описываемом варианте осуществления в базе данных давление-объем-температура сохраняют весовой процент, молекулярный вес, молярную процентную концентрацию, удельную плотность алкановых компонентов с определенным количеством атомов углерода (CO2, C1, C2,..., C30+), а также свойства давление-объем-температура (например, газовый фактор, плотности в градусах АНИ (Американский Нефтяной Институт), объемный коэффициент пласта, плотности, и вязкости) для большого числа образцов (например, порядка 100 образцов) из различных нефтяных коллекторов по всему миру.

В предпочтительном варианте осуществления, по меньшей мере, одно свойство (например, весовой процент), по меньшей мере, для одного конкретного компонента многокомпонентной нефтесодержащей текучей среды можно получить из свойства (например, весового процента) для соответствующего компонента из группы и эмпирического соотношения, полученного посредством анализа базы данных давление-объем-температура.

В другом примере молекулярный вес, по меньшей мере, для одного конкретного компонента многокомпонентной нефтесодержащей текучей среды получают по эмпирическому соотношению, основанному на данных газонефтяного соотношения. Удельную плотность для конкретного компонента получают из молекулярного веса.

Свойство (свойства) для конкретных компонентов текучей среды можно использовать для создания модели по уравнениям состояния для прогнозирования одного или нескольких свойств многокомпонентной текучей среды, таких как: I) свойства давление-объем-температура (такие как фазное состояние, давление-температура вспышки, расширение с постоянным составом, ступенчатое разгазирование, истощение с постоянным объемом, разделение, вязкость, нефтяной и газовый объемные коэффициенты и коэффициент сжимаемости); II) градиенты состава и свойств; III) образование газовых гидратов; IV) осаждение парафина; V) осаждение асфальтена; и VI) образование твердых отложений.

В предпочтительном варианте осуществления способ и устройство используют скважинный пробоотборник. Данные, полученные в скважине скважинным пробоотборником, используют для получения начальных данных для анализа состава текучей среды коллектора, как описано в данном документе.

Краткое описание чертежей

Дополнительные задачи и преимущества изобретения должны стать ясны специалистам в данной области техники из подробного описания со ссылками на прилагаемые чертежи, на которых:

фиг.1 схематично изображает систему анализа нефтяного коллектора согласно изобретению;

фиг.2A-2C - блок-схема последовательности операций анализа данных для получения характеристик компонентов состава коллектора, представляющего интерес, и анализа свойств текучих сред коллектора, представляющего интерес, на основе состава его компонентов;

фиг.3-7 - диаграммы результатов анализа состава текучей среды коллектора с методологией, описанной в данном документе в сравнении с данными лабораторных измерений с помощью газовой хроматографии для различных типов текучих сред;

фиг.8 - диаграмма результатов анализа состава текучей среды коллектора с методологией, описанной в данном документе, в сравнении с данными газонефтяного соотношения для ряда образцов различных текучих сред;

фиг.9 - диаграмма результатов анализа состава текучей среды коллектора с методологией, описанной в данном документе в сравнении с данными лабораторных измерений плотности в градусах АНИ (Американский Нефтяной Институт) для ряда образцов различных текучих сред;

фиг.10 - диаграмма результатов методологии, описанной в данном документе, для прогнозирования гидратообразования для сырой нефти в сравнении с экспериментальными данными;

фиг.11 - диаграмма результатов методологии, описанной в данном документе, для прогнозирования осаждения парафина в сравнении с экспериментальными данными;

фиг.12 - диаграмма результатов методологии, описанной в данном документе, для условий осаждения асфальтенов в сравнении с экспериментальными данными;

фиг.13 - диаграмма результатов методологии, описанной в данном документе для прогнозирования образования твердых отложений в сравнении с экспериментальными данными.

Подробное описание изобретения

На фиг.1 показан пример системы 1 анализа нефтяного коллектора, в которой осуществлено настоящее изобретение. Система 1 включает в себя скважинный инструмент 10, подвешенный в стволе 12 скважины на нижнем конце типичного многожильного кабеля 15, наматывающегося на подходящую лебедку (не показано) на поверхности над пластом. Кабель 15 подключен к электронной системе 18 управления на поверхности над пластом. Скважинный инструмент 10 включает в себя удлиненный корпус 19, в котором размещена забойная часть системы 16 управления инструментом. Удлиненный корпус 19 также несет избирательно выдвигающуюся компоновку 20 приема текучей среды и избирательно выдвигающийся элемент 21 крепления инструмента, соответственно, расположенные на противоположных сторонах корпуса инструмента. Компоновка 20 приема текучей среды предусмотрена для избирательной изоляции участков стенки ствола 12 скважины так, что устанавливает гидравлическую связь или связь с давлением примыкающего геологического пласта 14. Также инструмент 10 включает в себя средство определения скважинного давления и температуры (не показано) и модуль 25 анализа текучей среды, через который проходит полученная текучая среда. Текучая среда может затем выпускаться через выпускное отверстие (не показано) или может направляться в одну или несколько камер 22 и 23 сбора текучей среды, принимающих и удерживающих текучую среду, полученную из пласта. Управление компоновкой 20 приема текучей среды, модулем 25 анализа текучей среды и путями подачи в сборные камеры осуществляют системы 16 и 18 управления. Как должно быть ясно специалисту в данной области техники, размещенная на поверхности электронная система 18 управления включает в себя функциональную возможность обработки данных (то есть, один или несколько микропроцессоров, ассоциативную память и другое аппаратное и/или программное обеспечение) для реализации изобретения, описанного в данном документе. Электронная система 18 управления может также быть реализована в системе распределенной обработки данных, в которой данные, измеренные инструментом 10, передаются (предпочтительно в режиме реального времени) по линии связи (обычно, спутниковой линии связи) на удаленные площадки для анализа данных, как описано в данном документе. Анализ данных можно выполнять на автоматизированном рабочем месте или в другой подходящей системе обработки данных (такой как кластер компьютеров или вычислительная сеть).

Согласно настоящему изобретению устройство на фиг.1 используют с методологией фиг.2A-2C для получения характеристик компонентов состава коллектора, представляющего интерес, и анализа свойств текучей среды коллектора, представляющего интерес на основе компонентов его состава. На этапе 101 образец текучей среды коллектора получают на одном или нескольких контрольных пунктах в стволе 12 скважины под давлением и при температуре коллектора. Образец обрабатывается в модуле 25 анализа текучей среды. В предпочтительном варианте осуществления модуль 25 анализа текучей среды выполняет измерения спектров поглощения образцов и переводит такие спектрофотометрические измерения в концентрации нескольких алкановых компонентов и групп в текучих средах, представляющих интерес. В показанном варианте осуществления модуль 25 анализа текучей среды выполняет измерения концентрации (например, весовых процентов) двуокиси углерода (CO2), метана (CH4), этана (C2H6), алкановой группы С3-C5, включающей в себя пропан, бутан, пентан, куски гексана и более тяжелых алкановых компонентов (C6+). Весовому проценту CO2 присвоен индекс WCO2, весовому проценту метана (CH4) присвоен индекс WC1. Весовому проценту этана (C2H6) присвоен индекс WC2. Весовому проценту для группы алканов с 3-5 атомами углерода (именуемой как C3-C5) присвоен индекс WC3-С5. Алкановая группа C3-C5 включает в себя пропан, бутан и пентан. Весовому проценту для группы алканов с 6 или более атомами углерода (именуемой C6+) присвоен индекс WC6+. Алкановая группа C6+ включает в себя гексан (C6H14), гептан (C7H16), октан (C8H18), нонан (C9H20), декан (C10H22), ундекан (C11H24), также именуемый эндеканом, додекан (C12H26), тридекан (C13H28), тетрадекан (C14H30)), пентадекан (C15H32), гексадекан (C16H34) и т.д. Инструмент 10 также предпочтительно обеспечивает средство измерения температуры образца текучей среды (и, таким образом, температуры коллектора на контрольной станции), давления образца текучей среды (и, таким образом давления коллектора на контрольной станции), реальной плотности образца текучей среды, газового фактора образца текучей среды, плотности образца текучей среды в градусах API/АНИ, объемного коэффициента пласта образца текучей среды.

На этапе 103, весовые проценты для алкановых компонентов определенного количества атомов углерода (пропан, бутан и пентан) в группе С3-C5 получают из весового процента для алкановой группы С3-С5 (WC3-С5), полученного на этапе 101, и одного или нескольких эмпирических соотношений для таких компонентов, подсчитанных посредством анализа базы данных свойств текучих сред для образцов из ряда коллекторов (именуемой в данном документе «база данных давление-объем-температура»).

В описываемом варианте осуществления, в базе данных давление-объем-температура хранятся весовой процент, молекулярный вес, молярная процентная концентрация, плотность в градусах АНИ (Американский Нефтяной Институт), алкановых компонентов (CO2, C1, C2, …, C30+) с определенным количеством атомов углерода, а также свойства давление-объем-температура (например газовый фактор, плотность в градусах АНИ (Американский Нефтяной Институт), объемный коэффициент пласта, плотности, вязкости) для большого числа образцов (например, порядка 100 образцов) из различных нефтяных коллекторов по всему миру.

В предпочтительном варианте осуществления, эмпирические соотношения для алкановых компонентов группы С3-C5 выражаются следующей функцией линейного распределения:

(1)

где i изменяется от 3 до 5; ψi - коэффициент дозирования для алканового компонента с определенным количеством атомов углерода i в группе C3-C5; CNi - количество атомов углерода для алканового компонента с определенным количеством атомов углерода i в группе C3-C5.

Можно проводить регрессионный анализ по весовым процентам для алкановых компонентов C3-C5, хранящимся в базе данных давление-объем-температура для согласования таких весовых процентов с уравнением (1). Параметры A и B заданы по результатам регрессионного анализа. В описываемом варианте осуществления, параметр A находится в диапазоне -0,2 - 0,2 и параметр B находится в диапазоне 0,1-1,5. После получения A и B коэффициенты ψ дозирования для алкановых компонентов с определенным количеством атомов углерода группы C3-C5 определяют уравнением (1). Коэффициенты ψ дозирования затем нормализуют следующим уравнением:

(2)

где ψ'i - нормализованные коэффициенты дозирования для алкановых компонентов с определенным количеством атомов углерода группы C3-C5.

Весовые проценты для алкановых компонентов с определенным количеством атомов углерода группы C3-C5 определяют уравнением:

(3)

Подсчет нормализованных коэффициентов ψ'i дозирования для алкановых компонентов с определенным количеством атомов углерода группы C3-C5 предпочтительно выполняют до отбора образцов на этапе 101 (возможно на другой компьютерной системе обработки данных) и сохраняют для последующего доступа во время выполнения этапа 103, как описано в данном документе. В данном сценарии регрессионный анализ, проводящийся по базе данных давление-объем-температура, выполняют до отбора образцов на этапе 101 (возможно на другой компьютерной системе обработки данных) и полученные в результате данные (нормализованные коэффициенты ψ'i дозирования) сохраняют для последующего доступа во время выполнения этапа 103, как описано в данном документе. Аналогично, C2-C5 можно разносить на C2, C3, C4 и C5, если каротажный инструмент представляет данные весового процента С2-C5 алкановой группы.

На этапе 105, весовой процент алканового компонента С6 (гексан) получают из весового процента для алканового компонента С5 (WC5), как определено на этапе 103 и одного или нескольких эмпирических соотношений для алканового компонента С6, подсчитанных анализом базы данных давление-объем-температура.

В предпочтительном варианте осуществления, эмпирическое соотношение для алканового компонента С6 представлено следующим уравнением:

(4)

Регрессионный анализ можно проводить по весовым процентам для алкановых компонентов С5 и С6, хранящимся в базе данных давление-объем-температура, для согласования таких весовых процентов с уравнением (4). Параметр C получен в результате регрессионного анализа. В показанном варианте осуществления, параметр C находится в диапазоне от 0,1 до 3. После получения C весовой процент для алканового компонента С6 (гексан) получают из уравнения (4). Подсчет параметра C предпочтительно выполняют до отбора образцов на этапе 101 (возможно на другой компьютерной системе обработки данных) и сохраняют для последующего доступа во время выполнения этапа 105, как описано в данном документе. В данном сценарии регрессионный анализ, проводящийся по базе данных давление-объем-температура, выполняют до отбора образцов на этапе 101 (возможно на другой компьютерной системе обработки данных) и полученные в результате данные (параметр C) сохраняют для последующего доступа во время выполнения этапа 105, как описано в данном документе.

На этапе 107, молекулярным весам (MW) CO2 и алкановым компонентам с определенным количеством атомов углерода для группы С1-С6 присваивают заданные значения. В предпочтительном варианте осуществления присваивают следующие значения:

MWCO2=44,01 г/моль;

MWC1=16,04 г/моль;

MWС2=30,07 г/моль;

MWС3=44,10 г/моль;

MWC4=58,12 г/моль;

MWC5=72,15 г/моль; и

MWC6=84,00 г/моль.

Данные молекулярные веса можно найти в Handbook of Physical Chemistry, 88th Edition, 2007-2008, CRC Press, имеющейся в интернете по адресу http://www.hbcpnetbase.com.

На этапе 109, удельным весам (SG) алкановых компонентов с определенным количеством атомов углерода для группы С3-С6 присваивают заданные значения. В предпочтительном варианте осуществления такие присваиваемые значения следующие:

SGC3=0,5825 г/моль;

SGC4=0,6141 г/моль;

SGC5=0,6215 г/моль; и

SGC6=0,7096 г/моль.

Данные удельные веса можно найти в Handbook of Physical Chemistry, 88th Edition, 2007-2008, CRC Press, имеющейся в интернете по адресу http://www.hbcpnetbase.com.

На этапе 111, весовые проценты для алкановой группы С7+ получают из весовых процентов для алкановой группы С6+ (WC6+), полученных на этапе 101, и весового процента для алканового компонента С6 (WC6), полученного на этапе 105, следующим образом:

(5)

На этапе 113, молекулярный вес (MW) для алкановой группы С7+ получают на основе газонефтяного соотношения (GOR) коллектора, представляющего интерес.

В предпочтительном варианте осуществления газонефтяное соотношение коллектора, представляющего интерес, получают на этапе 101. Когда газонефтяное соотношение, полученное на этапе 101, находится в диапазоне между 10 и 10000 фут3/барр (1,8-1800 м33), газонефтяное соотношение соотносится с молекулярным весом для алкановой группы С7+ (MWC7+) следующим уравнением:

(6)

Параметры α1 и α2 предпочтительно получают регрессионным анализом, проведенным по базе данных давление-объем-температура. В описываемом варианте осуществления, параметр α1 находится в диапазоне между 500 и 1000, и параметр α2 находится в диапазоне между -0,2 - 0,2. После получения параметров α1 и α2 молекулярный вес для алкановой группы С7+ можно получить из уравнения (6). Подсчеты параметров α1 и α2 предпочтительно выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных) и сохраняют для последующего доступа во время выполнения этапа 115, как описано в данном документе. В данном сценарии регрессионный анализ, проводящийся по базе данных давление-объем-температура, выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных), и полученные в результате данные (параметры α1 и α2) сохраняют для последующего доступа во время выполнения этапа 113, как описано в данном документе.

Когда газонефтяное соотношение, полученное на этапе 101, меньше 10 фут3/барр (1,8 м33), газонефтяное соотношение связывается с молекулярным весом для алкановой группы С7+ (MWC7+) следующим уравнением:

(7)

Параметры β1 и β2 предпочтительно получают регрессионным анализом, проведенным по базе данных давление-объем-температура. В описываемом варианте осуществления, параметр β1 находится в диапазоне между -10 - 10, и параметр β2 находится в диапазоне между 0 и 1000. После получения параметров β1 и β2 молекулярный вес для алкановой группы С7+ можно получать из уравнения (7). Подсчеты параметров β1 и β2 предпочтительно выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных) и сохраняют для последующего доступа во время выполнения этапа 113, как описано в данном документе. В данном сценарии регрессионный анализ, проводящийся по базе данных давление-объем-температура, выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных), и полученные в результате данные (параметры β1 и β2) сохраняют для последующего доступа во время выполнения этапа 113, как описано в данном документе.

Альтернативно (например, для вариантов, где газонефтяное соотношение для коллектора, представляющего интерес, не получают на этапе 101), газонефтяное соотношение для коллектора, представляющего интерес, можно оценивать по эмпирическому соотношению, полученному посредством корреляции по базе данных давление-объем-температура.

В одном примере газонефтяное соотношение связано с весовыми процентами алканового компонента С1 и алкановой группы С6+ следующим образом:

(8)

В данном примере параметры γ 1 и β 3 получены коррелированием данных в значения WC1 и WC6+ в базе данных давление-объем-температура. В показанном варианте осуществления параметры γ 1 и β 3 находятся в диапазоне между 5000 и 10000 и 0,1 и 0,4, соответственно. После получения параметров γ 1 и β 3 оценку газонефтяного соотношения коллектора, представляющего интерес, можно получить из уравнения (8). Данную оценку газонефтяного соотношения можно затем использовать для получения MWC7+ согласно уравнениям (6) или (7). Подсчеты параметров γ 1 и β 3 предпочтительно выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных) и сохраняют для последующего доступа во время выполнения этапа 113, как описано в данном документе. В данном сценарии регрессионный анализ, проводящийся по базе данных давление-объем-температура, выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных), и полученные в результате данные (параметры γ 1 и β 3) сохраняют для последующего доступа во время выполнения этапа 113, как описано в данном документе.

В другом примере газонефтяное соотношение можно связать с весовыми процентами алканового компонента С1, алкановой группы C2-C5, компонента CO2 и алкановой группы С6+ следующим образом:

(9)

В данном примере параметры γ 2 , γ 3 , γ 4 , γ 5 получены коррелированием данных газонефтяного соотношения в значения WCO2, WC1, WC2-C5 и WC6+ в базе данных давление-объем-температура. В показанном варианте осуществления параметры γ 2 , γ 3 , γ 4 , γ 5 находятся в диапазоне между 5000 и 12,000, 0,5 и 1,0, 0,1 и 0,4, и 0,1 и 0,4, соответственно. После получения параметров γ 2 , γ 3 , γ 4 , γ 5 оценку газонефтяного соотношения коллектора, представляющего интерес, можно получать из уравнения (9). Данную оценку газонефтяного соотношения можно затем использовать для получения MWC7+ согласно уравнениям (6) или (7). Подсчеты параметров γ 2 , γ 3 , γ 4 , γ 5 предпочтительно выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных) и сохраняют для последующего доступа во время выполнения этапа 113, как описано в данном документе. В данном сценарии регрессионный анализ, проводящийся по базе данных давление-объем-температура, выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных), и полученные в результате данные (параметры Y 2 , Y 3 , Y 4 , Y 5) сохраняют для последующего доступа во время выполнения этапа 113, как описано в данном документе.

На этапе 115, удельную плотность (SG) алкановой группы С7+ получают из молекулярного веса алкановой группы С7+, полученного на этапе 113. В предпочтительном варианте осуществления SGC7+ связано с MWC7+ следующим уравнением:

(10)

В данном примере параметры η 1 , η 2 могут быть получены посредством регрессионного анализа, проведенного по базе данных давление-объем-температура. В описываемом варианте осуществления, каждый из параметров η 1 , η 2 находится в диапазоне между 0 и 0,3. Подсчеты параметров η 1 , η 2 предпочтительно выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных) и сохраняют для последующего доступа во время выполнения этапа 115, как описано в данном документе. В данном сценарии, регрессионный анализ, проводящийся по базе данных давление-объем-температура, выполняют до отбора образцов на этапе 101 (возможно, на другой компьютерной системе обработки данных) и полученные в результате данные (параметры η 1 , η 2) сохраняют для последующего доступа во время выполнения этапа 115, как описано в данном документе.

На этапе 117, определяют весовые проценты для алкановых компонентов с определенным количеством атомов углерода C7-Cmax. В предпочтительном варианте осуществления Cmax находится в диапазоне между C45 и C120. Такие весовые проценты можно связывать с количеством атомов углерода Ci согласно следующим уравнениям:

(11)
(12)
(13)

Параметры D и E можно получать, решая уравнения (12) и (13). После получения параметров D и E весовые проценты для алкановых компонентов с определенным количеством атомов углерода C7-Cmax можно получать из уравнения (11).

На этапе 119, определяют молекулярный вес (MW) для алкановых компонентов с определенным количеством атомов углерода C7-Cmax. Молекулярный вес (MW) для алкановых компонентов с определенным количеством атомов углерода C7-C45 можно устанавливать по значениям в третьем столбце Таблицы 1, приведенной ниже. Молекулярный вес (MW) для алкановых компонентов с определенным количеством атомов углерода за пределами C45 дает следующее уравнение:

(14)

На этапе 121, определяют удельные плотности для алкановых компонентов с определенным количеством атомов углерода C7-Cmax. Удельные плотности для алкановых компонентов с определенным количеством атомов углерода C7-C45 приведены ниже в столбце 2 Таблицы 1.

Таблица 1
Группа углеводородов Удельная плотность Молекулярный вес (г/моль)
С7 0,722 96
С8 0,745 107
С9 0,764 121
С10 0,778 134
С11 0,789 147
С12 0,800 161
С13 0,811 175
С14 0,822 190
С15 0,832 206
С16 0,839 222
С17 0,847 237
С18 0,852 251
С19 0,857 263
С20 0,862 275
С21 0,867 291
С22 0,872 305
С23 0,877 318
С24 0,881 331
С25 0,885 345
С26 0,889 359
С27 0,893 374
С28 0,896 388
С29 0,899 402
С30 0,902 416
С31 0,906 430
С32 0,909 444
С33 0,912 458
С34 0,914 472
С35 0,917 486
С36 0,919 500
С37 0,922 514
С38 0,924 528
С39 0,926 542
С40 0,928 556
С41 0,930 570
С42 0,931 584
С43 0,933 598
С44 0,935 612
С45 0,937 626

Удельную плотность (SG) для алкановых компонентов с определенным количеством атомов углерода за пределами C45 дает следующее уравнение:

(15)
(16)

Известную удельную плотность и молекулярный вес для алканового компонента с определенным количеством атомов углерода (такого, как алкановый компонент С6) можно использовать в уравнении (15) вместе с уравнением (16) для решения по D1 и D2. Для решения по D1 и D2 удельную плотность (SG) для алкановых компонентов с определенным количеством атомов углерода за пределами C45 дает уравнение (15).

На этапе 123, получают молярные процентные концентрации (MP) всех компонентов из весовых процентов данных компонентов, полученных на этапах 103 и 105 и молекулярных весов (MW) данных компонентов, установленных на этапе 107.

В предпочтительном варианте осуществления молярные процентные концентрации (MP) всех компонентов получают следующим образом:

(17)

На этапе 125 строят модель по уравнениям состояния и, если необходимо, редактируют согласно данным, полученным на этапе 101 для улучшения ее точности. Модель по уравнениям состояния включает в себя систему уравнений, представляющую фазовое поведение компонентов состава текучей среды коллектора. Уравнения можно расширять для связи с одним или несколькими конкретными вариантами применения, как описано более подробно ниже. Уравнения, которые получают на этапе 125, используют в качестве входных данных весовые проценты, молекулярные веса (MW) и удельные плотности (SG) для алкановых компонентов с определенным количеством атомов углерода (или данные, основанные на них), как получено на этапах 103-123, описанных выше.

Уравнения модели по уравнениям состояния на этапе 125 могут принимать много форм. Например, они могут быть представлены любым из многих кубических уравнений состояния, как хорошо известно. Такие кубические уравнения состояния включают в себя уравнение состояния Ван дер Ваальса (1873), уравнение состояния Редлих-Куонг (1949), уравнение состояния Зуав-Редлих-Куонг (1972), уравнение состояния Пенг-Робинсон (1976), уравнение состояния Стрик-Вера-Пенг-Робинсон (1986) и уравнение состояния Пател-Теха (1982). Параметры объемного сдвига можно использовать как часть кубических уравнений состояния для улучшения прогнозов плотности жидкости, как хорошо известно. Правила смешивания (такие, как правило смешивания Ван дер Ваальса) можно также использовать, как часть кубических уравнений состояния. Уравнения состояния теории статистического ассоциирования текучей среды типа SAFT можно также использовать, как хорошо известно в технике. Редактирование модели по уравнениям состояния обычно включает в себя редактирование параметров сдвига объема, параметров двоякого взаимодействия и/или критических свойств компонентов модели по уравнениям состояния. Пример редактирования уравнения состояния дан в материале Reyadh A. Almehaideb et al., "EOS tuning to model full field crude oil properties using multiple well fluid PVT анализ", Journal of Petroleum Science and Engineering, том 26, вып. 1-4, стр. 291-300, 2000.

На этапе 125, уравнения модели по уравнениям состояния можно расширять для конкретного варианта (вариантов) применения, таких как один или несколько из следующего:

I) прогнозирование и/или имитация свойства давления-объема-температуры (то есть, прогнозирование и/или имитация свойств текучей среды коллектора, таких как фазное состояние, давление-температура вспышки, расширение с постоянным составом, ступенчатое разгазирование, истощение постоянного объема, сепарирование, вязкость, объемный коэффициент пласта по нефти и газу и коэффициент сжимаемости);

II) прогнозирование градиента состава и свойств;

III) прогнозирование образования газовых гидратов;

IV) прогнозирование осаждения парафина;

V) прогнозирование осаждения асфальтенов; и

VI) прогнозирование образования твердых отложений.

Уравнения модели (моделей) по уравнениям состояния этапа 125 для различных вариантов применения могут являться частью имеющегося в продаже пакета программного обеспечения, такого как PVT Pro, dbrSOLIDS, и dbrHydrate, все из программного обеспечения для моделирования текучей среды, поставляемые DBR Technology Center, подразделением Schlumberger Canada Limited, находящимся в Edmonton, Alberta, Canada.

Примеры уравнений моделей по уравнениям состояния для прогнозирования образования газовых гидратов описаны в материалах H.J. Ng et al., "Measurement and Prediction of Hydrate Formation in Liquid Hydrocarbon-Water Systems", Industrial & Engineering Chemistry Fundamentals, 15, 293 (1976); H.J. Ng et al., "Hydrate Formation in Systems Containing Methane, Ethane, Propane, Carbon Dioxide or Hydrogen Sulfide in presence of Methanol", Fluid Phase Equilibria, 21, 145 (1985); H.J. Ng et al., "New Developments in Measurement and Prediction of Hydrate Formation for Processing Needs", International Conference on Natural Gas Hydrates, Annals of New York Academy of Sciences, Vol. 715, 450-462 (1994); J.Y. Zuo et al. "Representation of Hydrate Phase Equilibria in Aqueous Solutions of Methanol and Electrolytes Using Equation of State", Energy и Fuels, 14, 19-24 (2000); и J.Y. Zuo et al., "A Thermodynamic Model for Gas Hydrates in presence of Salts and Methanol", Chemical Engineering Communications, 184, 175-192 (2001), полностью включенных в данный документ в виде ссылки.

Примеры уравнений моделей по уравнениям состояния для прогнозирования осаждения парафина описаны в материалах H. Alboudwarej et al., "Effective Tuning of Wax Precipitation Models", 7th International Conference on Petroleum Phase Behaviour and Fouling, Asheville, North Carolina, (2006); J.Y. Zuo et al., "An improved thermodynamic model for wax precipitation from petroleum fluids", Chemical Engineering Science, 56, 6941 (2001); и J.Y. Zuo et al., "Wax Formation from Synthetic Oil Systems and Reservoir Fluids", 11th International Conference on Properties and Phase Equilibria for Product and Process Design, Crete, Greece, May 20-25, (2007).

В предпочтительном варианте осуществления модели по уравнениям состояния для осаждения парафина используют распределение n-парафина в сырой нефти. Для данной цели можно использовать различные способы, один для систем с экспериментальными данными высокотемпературной газовой хроматографии (HTGC), и другой для систем без таких данных. Констатируем, что высокотемпературная газовая хроматография обеспечивает прямое детектирование и количественную оценку n-парафинов до высоких молекулярных весов (до n-C90). Она может давать как общее содержание n-парафинов и его разложение с количеством атомов углерода/молекулярными весами. Поэтому данные высокотемпературной газовой хроматографии напрямую используют для получения характеристик n-парафинов. Для систем без данных высокотемпературной газовой хроматографии, программы осаждения растворяющего вещества, такие как UOP 46-85, поставляемые UOP LLC из Des Plaines, Illinois, USA, или любые их варианты, являются стандартными процедурами, дающими корректную оценку общего содержания парафина в товарной нефти. Если общее содержание парафина неизвестно, используют корреляцию для его расчета. Экспоненциальный распад (α) n-парафинов в текучих средах коллектора достаточно описан в специальной литературе. Он определен, как соотношение между массовыми долями двух последовательных n-парафинов α=wC n/wC n-1. В предпочтительном варианте осуществления, величина α установлена 0,88 как принимаемая по умолчанию величина.

Физические свойства n-парафинов и остатка подсчитывают различными корреляциями, хорошо известными в технике. Улучшенную модель парафина используют для прогнозирования кривой термодинамической температуры начала кристаллизации парафинов нефтесодержащей текучей среды в реальных условиях. Для наблюдения чувствительности температуры начала кристаллизации парафинов к количеству парафина, осажденного в текучей среде, ряд образцов парафина с фиксированным количеством осажденного парафина обсчитывают с использованием улучшенной модели парафина.

Пример уравнений модели по уравнениям состояния для прогнозирования осаждения асфальтенов описан в материале J. Du et al., "Thermodynamic Model for Predictions of Asphaltene Precipitation", Petroleum Science and Technology, 22, 1023 (2004).

На этапе 127 уравнения, полученные на этапе 125, решают по исполняемой компьютером итерационной схеме (например, итерации Ньютон-Рэфсон).

На этапе 129 решение уравнений, полученных на этапе 127 (или данные, полученные из них, такие как диаграммы и графики), выдают для представления пользователю для анализа.

Для подтверждения точности методологии, описанной в данном документе, эмпирические данные из базы данных давление-объем-температура обрабатывали согласно методологии, описанной в данном документе, и результаты сравнивали с данными лабораторных измерений газовой хроматографии для более 100 различных типов образцов текучей среды. Полные составы текучих сред, взятых из базы данных давление-объем-температура? сначала собирают, аналогично скважинному анализатору текучей среды, в пять компонентов CO2, C1, C2, C3-C5 и C6+ в весовой процент. Указанные данные именуют псевдоданными скважинного анализатора текучей среды. Псевдоданные скважинного анализатора текучей среды являются входными данными модели. Затем псевдоданные скважинного анализатора текучей среды разносят и характеризуют по методологии, описанной в данном документе, и сравнивают с данными лабораторных измерений газовой хроматографии до C30+. Типичные результаты показаны на фиг.3-7, где количество атомов углерода 0 обозначена CO2. Согласованность между разнесенными данными и данными газовой хроматографии является хорошей для различных типов текучих сред коллектора.

Для подтверждения точности методологии, описанной в данном документе для прогнозирования свойств давление-объем-температура, подсчитывали оценки газонефтяного соотношения, плотности в градусах АНИ (Американский Нефтяной Институт), и объемного коэффициента пласта согласно методологии, описанной в данном документе? и сравнивали с лабораторными измерениями газонефтяного соотношения, плотности в градусах АНИ (Американский Нефтяной Институт), и объемного коэффициента пласта, соответственно.

Результат такого анализа для газонефтяного соотношения показан на фиг.8. Следует отметить, что кружки на фиг.8 обозначают точки данных, использованных в регрессии корреляций (Уравнения 1-10). Ромбы являются чисто прогнозными. Абсолютное среднее отклонение составляет 4,90% для более 100 текучих сред с испытаниями расширения с постоянным составом. Для дополнительного подтверждения точности методологии, описанной в данном документе, для прогнозирования свойств давление-объем-температура, оценки для газонефтяного соотношения подсчитывали согласно методологии, описанной в данном документе, и сравнивали с данными лабораторных измерений газонефтяного соотношения для 1314 текучих сред из различных источников. Результаты для 1314 текучих сред также показаны на фиг.8 и абсолютное среднее отклонение составляет 4,81%.

Результат такого анализа плотности в градусах АНИ (Американский Нефтяной Институт) показан на фиг.9. Следует отметить, что открытые кружки на фиг.9 относятся к данным, использованным для разработки модели по уравнениям состояния и ромбы относятся к данным, не использованным для разработки модели по уравнениям состояния. Абсолютное среднее отклонение составляет 2,5 единиц АНИ (Американский Нефтяной Институт) для более 300 точек данных.

Результат такого анализа для объемного коэффициента пласта не показан в графической форме. Вместе с тем, абсолютное среднее отклонение прогнозного объемного коэффициента пласта составляет для более 100 точек данных (текучих сред) 1,5%.

Образование твердых частиц и/или осаждение, такое как газового гидрата, парафин, и асфальтена, является серьезной проблемой в нефтегазовой отрасли, поскольку может вызывать закупоривание стволов скважин, оборудования сооружений ведения добычи и транспортных трубопроводов в процессе добычи нефти и газа. В отрасли есть спрос на инструмент модульного программного обеспечения прогнозирования, способный имитировать гидратообразование, и осаждение парафина и асфальтена для предотвращения таких проблем.

Для подтверждения точности методологии, описанной в данном документе, для прогнозирования гидратообразования, указанную методологию использовали для прогнозирования гидратообразования в сырой нефти и сравнивали прогнозы с экспериментальными данными. Результат такого анализа показан на фиг.10. Прогнозные данные хорошо согласуются с экспериментальными данными.

Для подтверждения точности методологии, описанной в данном документе, для прогнозирования осаждения парафина указанную методологию использовали для прогнозирования условий осаждения парафина для нефтесодержащей текучей среды в реальных условиях и сравнивали прогнозы с экспериментальными данными. Результат такого анализа показан на фиг.11. В модели по уравнениям состояния для осаждения парафина в данном анализе использовали распределение n-парафина в сырой нефти, как описано выше. Данную модель используют для прогнозирования кривой термодинамической температуры появления парафина нефтесодержащей текучей среды в реальных условиях. Для наблюдения чувствительности температуры появления парафина к количеству парафина, осажденного в текучей среде, ряд линий качества парафина с фиксированным количеством осажденного парафина подсчитывают с использованием усовершенствованной модели для парафина. Обнаружено, что кривую температуры появления парафина можно сдвигать близко к измеренной температуре появления парафина при малом количестве осажденного парафина (0,36% по весу) в текучей среде, как показано на фиг.11.

Для подтверждения точности методологии, описанной в данном документе для прогнозирования осаждения асфальтена, указанную методологию использовали для прогнозирования условий осаждения асфальтена для мазута и сравнивали с экспериментальными данными. Результат такого анализа показан на фиг.12. Результаты подсчета показывают, что предложенная модель дает удовлетворительные прогнозы начального давления по всему диапазону температур эксперимента. Модель можно также применять в различных системах, включающих в себя нефть в реальных условиях, дегазированную нефть, битум и их системы с закачкой растворителя.

Неорганические твердые отложения могут осаждаться из подтоварной воды и/или воды закачки и являются причиной существенного снижения добычи. Проблема становится более важной со временем с увеличением обводненности и уменьшением давления в коллекторе в процессе эксплуатации. Для подтверждения точности методологии, описанной в данном документе, для прогнозирования осаждения твердых отложений указанную методологию предварительно подтверждали имеющимися экспериментальными данными и имитировали различные сценарии осаждения твердых отложений, демонстрирующие возможности разработанной модели в прогнозировании проблем в добыче, обусловленных образованием неорганических твердых отложений, как показано на фиг.13.

В данном документе описан и проиллюстрирован предпочтительный вариант осуществления способа, системы и устройства для получения характеристик компонентов состава коллектора, представляющего интерес, и анализа свойств текучей среды коллектора, представляющего интерес, на основе состава компонентов. Хотя описаны конкретные варианты осуществления изобретения, они не направлены на ограничение изобретения, поскольку изобретение предполагает широкий объем и аналогичное широкое прочтение описания. Таким образом, хотя описана конкретная база данных давление-объем-температура и связанный с ней анализ давление-объем-температура должно быть ясно, что также можно использовать другие базы данных давление-объем-температура и анализ давление-объем-температура. Кроме того, хотя описаны конкретные выражения эмпирических соотношений для конкретных алкановых компонентов, должно быть понятно, что можно использовать другие эмпирические соотношения для аналогичных или других компонентов текучей среды коллектора. Дополнительно к этому, хотя описаны конкретные методологии обработки данных и системы, должно быть понятно, что можно аналогично использовать другие подходящие методологии обработки данных и системы. Более того, хотя описаны конкретные варианты регрессионного анализа в применении к базе данных давление-объем-температура, должно быть ясно, что другие варианты регрессионного анализа также можно использовать. Также, хотя описаны конкретные модели по уравнениям состояния и варианты применения таких уравнений состояния для прогнозирования свойств текучей среды коллектора, должно быть ясно, что другие уравнения состояния и варианты применения таких уравнений также можно использовать. Поэтому специалистам в данной области техники должно быть ясно, что другие модификации можно выполнять в данном изобретении без отхода от объема формулы изобретения.

1. Способ получения характеристик одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды, заключающийся в том, что:
(а) измеряют в скважине с помощью скважинного инструмента анализа текучей среды данные, представляющие, по меньшей мере, одно свойство для группы компонентов многокомпонентной нефтесодержащей текучей среды, и сохраняют данные в считываемой компьютером памяти, причем это, по меньшей мере, одно свойство для группы компонентов является весовым процентом группы компонентов;
(б) с использованием процессора компьютера и программного обеспечения, сохраненного в считываемой компьютером памяти, получают, по меньшей мере, одно свойство для соответствующих компонентов группы из группы компонентов на основе данных, сохраненных на этапе (а), причем это, по меньшей мере, одно свойство является весовым процентом для соответствующих компонентов группы, и соотношение, полученное из анализа базы данных давление-объем-температура, причем это соотношение выражается линейной функцией количества атомов углерода для соответствующих компонентов группы и основано на коэффициентах дозирования, вычисленных в соответствии с уравнением

где i изменяется в диапазоне целых чисел, соответствующих группе компонентов с определенным количеством атомов углерода в группе компонентов, Ψi - коэффициент дозирования для i-го компонента с определенным количеством атомов углерода в группе компонентов, А и В заданы по результатам регрессионного анализа базы данных давление-объем-температура, и CNi - количество атомов углерода для i-го компонента с определенным количеством атомов углерода в группе компонентов,
(в) используют процессор компьютера и программное обеспечение, по меньшей мере, одно свойство для соответствующих компонентов группы, полученных на этапе (б) для оценки или прогнозирования одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды;
(г) выводят результаты, полученные на этапе (в) пользователю.

2. Способ по п.1, в котором компоненты группы являются алканами с определенным числом атомов углерода.

3. Способ по п.1, в котором соотношение получают посредством нормализации коэффициентов дозирования.

4. Способ по п.1, в котором дополнительно
(а) получают, по меньшей мере, одно свойство, по меньшей мере, для одного конкретного компонента многокомпонентной нефтесодержащей текучей среды на основе, по меньшей мере, одного свойства для соответствующего компонента группы, полученного на этапе (б) и соотношение, полученное из анализа базы данных давление-объем-температура.

5. Способ по п.4, в котором, по меньшей мере, один конкретный компонент и соответствующий компонент на этапе (г) являются углеводородными компонентами с определенным числом атомов углерода, с конкретным компонентом, имеющим количество атомов углерода больше количества атомов углерода соответствующего компонента.

6. Способ получения характеристик одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды, заключающийся в том, что:
(а) измеряют в скважине с помощью скважинного инструмента анализа текучей среды данные, представляющие, по меньшей мере, одно свойство для группы из компонентов многокомпонентной нефтесодержащей текучей среды и сохраняют данные в считываемой компьютером памяти, причем это, по меньшей мере, одно свойство для группы из компонентов является весовым процентом группы компонентов;
(б) с использованием процессора компьютера и программного обеспечения, сохраненного в считываемой компьютером памяти, получают, по меньшей мере, одно свойство для соответствующих компонентов группы компонентов на основе данных, сохраненных на этапе (а), и соотношение, полученное из анализа базы данных давление-объем-температура, причем, по меньшей мере, одно свойство для соответствующих компонентов группы компонентов включает в себя весовой процент для соответствующих компонентов,
(в) получают, по меньшей мере, одно свойство для, по меньшей мере одного конкретного компонента многокомпонентной нефтесодержащей текучей среды на основе, по меньшей мере, одного свойства для соответствующего компонента в группе компонентов, полученное на этапе (б), и соотношение, полученное из анализа базы данных давление-объем-температура, причем это, по меньшей мере, одно свойство включает в себя весовой процент конкретного компонента,
(г) при этом соотношение подчиняется линейной функции в форме:

где WСx является весовым процентом для углеводородного компонента с определенным числом атомов углерода, полученным на этапе (б), С является константой, и WСγ является весовым процентом конкретного компонента, полученным на этапе (г),
(д) используют процессор компьютера и программное обеспечение и, по меньшей мере, одно свойство для соответствующих компонентов группы, полученное на этапе (б) для оценки или прогнозирования одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды;
(е) выводят результаты, полученные на этапе (д) пользователю.

7. Способ по п.1, в котором на этапе (в), по меньшей мере, одно свойство, полученное на этапе (б), используют для построения модели по уравнениям состояния для прогнозирования одного или нескольких свойств многокомпонентной текучей среды.

8. Способ по п.7, в котором модель по уравнениям состояния прогнозирует свойства, выбранные из группы, включающей в себя:
I) свойства давление-объем-температура (такие как, фазное состояние, давление-температура вспышки, расширение постоянного состава, ступенчатое разгазирование, истощение постоянного объема, сепарирование, вязкость, объемный коэффициент пласта по нефти и газу, и коэффициент сжимаемости);
II) градиент состава и свойств;
III) образование газовых гидратов;
IV) осаждение парафина;
V) осаждение асфальтенов; и
VI) образование твердых отложений.

9. Способ получения характеристик одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды, заключающийся в том, что:
(а) с использованием процессора компьютера и программного обеспечения, сохраненного в считываемой компьютером памяти, получают характеристики, по меньшей мере, одно свойство для группы компонентов многокомпонентной нефтесодержащей текучей среды, причем, по меньшей мере, одно свойство группы включает в себя молекулярный вес и удельную плотность, причем молекулярный вес получают по соотношению на основе данных газонефтяного соотношения, и удельную плотность получают из молекулярного веса;
(б) используя процессор компьютера и программное обеспечение, получают, по меньшей мере, одно свойство соответствующих компонентов группы на основе, по меньшей мере, свойства группы компонентов с характеристикой, полученной на этапе (а); и
(в) используют процессор компьютера и программное обеспечение и, по меньшей мере, одно свойство для соответствующих компонентов группы, полученное на этапе (б) для оценки или прогнозирования одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды,
(г) выводят результаты, полученные на этапе (в) пользователю.

10. Способ по п.9, в котором данные газонефтяного соотношения измеряют скважинным инструментом анализа текучей среды.

11. Способ по п.9, в котором данные газонефтяного соотношения оценивают по соотношению на основе весовых процентов одного или нескольких алкановых компонентов многокомпонентной нефтесодержащей текучей среды.

12. Способ по п.11, в котором соотношение для оценки газонефтяного соотношения основано на анализе базы данных давление-объем-температура.

13. Способ по п.12, в котором соотношение для оценки газонефтяного соотношения имеет форму

где WС1 и WС6+ являются весовыми процентами С1 алканового компонента и С6+алкановой группой, соответственно, и γ1 и β3 получены коррелированием данных газонефтяного соотношения к значениям WС1 и WС6+ в базе данных давление-объем-температура.

14. Способ по п.12, в котором соотношение для оценки газонефтяного соотношения имеет форму

где WС1, WС2-c5 и WС6+ являются весовыми процента С1 алканового компонента, С2-5 алкановой группой, СO2-компонентом и С6+ алкановой группой, соответственно, и γ2, γ3, γ4, γ5 получены коррелированием данных газонефтяного соотношения к значениям WС1, WС2-С5 и WС6+ в базе данных давление-объем-температура.

15. Способ по п.9, в котором соотношение для получения молекулярного веса имеет форму

где α1 и α2 получают регрессионным анализом, проведенным по базе данных давление-объем-температура.

16. Способ по п.9, в котором соотношение для получения молекулярного веса имеет форму

где β1 и β2 получают регрессионным анализом, проведенным по базе данных давление-объем-температура.

17. Способ по п.9, в котором удельную плотность получают из молекулярного веса по уравнению в форме

где η1, η2 получены посредством регрессионного анализа, проведенного по базе данных давление-объем-температура.

18. Способ по п.9, в котором свойства соответствующих компонентов группы, полученные на этапе (б), включают в себя весовые проценты для соответствующих компонентов группы.

19. Способ по п.18, в котором весовые проценты для соответствующих компонентов группы получают решением ряда следующих уравнений

где Wc1 весовые проценты для алкановых компонентов с определенным количеством атомов углерода от С7 до Cmax, CNi является количеством атомов углерода для i-го алканового компонента с определенным количеством атомов углерода, MWc1 молекулярный вес алканового компонента с определенным количеством атомов углерода от С7 до Cmax, и D и Е получены посредством решения уравнений (2) и (3).

20. Способ по п.9, в котором на этапе (в), по меньшей мере, одно свойство, полученное на этапе (б), используют для построения модели по уравнениям состояния для прогнозирования одного или нескольких свойств многокомпонентной текучей среды.

21. Способ по п.20, в котором модель по уравнениям состояния прогнозирует свойства выбранные из группы, включающей в себя:
I) свойства давление-объем-температура содержат фазное состояние, давление-температура вспышки, расширение постоянного состава, ступенчатое разгазирование, истощение постоянного объема, сепарирование, вязкость, объемный коэффициент пласта по нефти и газу, и коэффициент сжимаемости;
II) градиенты состава и свойств;
III) образование газовых гидратов;
IV) осаждение парафина;
V) осаждение асфальтена; и
VI) образование твердых отложений.

22. Компьютерная система обработки данных для получения характеристик одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды, содержащая:
(а) память, процессор, и средства программного обеспечения, выполненные с возможностью получения характеристик, по меньшей мере, одного свойства для группы компонентов многокомпонентной нефтесодержащей текучей среды, причем по меньшей мере, одно свойство группы включает в себя молекулярный вес и удельную плотность, при этом, молекулярный вес получают посредством соотношения на основе данных газонефтяного соотношения, и удельную плотность получают из молекулярного веса;
(б) процессор, и средства программного обеспечения, выполненные с возможностью получения по меньшей мере, одного свойства для соответствующих компонентов группы на основе, по меньшей мере, свойства для группы компонентов, характеристики которой получены на этапе (а); и
(в) процессор, и средства программного обеспечения, выполненные с возможностью использования по меньшей мере, одного свойства для соответствующих компонентов группы полученного на этапе (б) для оценки или прогнозирования одного или нескольких свойств нефтесодержащей многокомпонентной текучей среды.

23. Компьютерная система по п.22, в которой данные газонефтяного соотношения измеряют скважинным инструментом анализа текучей среды.

24. Компьютерная система по п.22, в которой процессор, и средства программного обеспечения, выполнены с возможностью оценки данных газонефтяного соотношения по соотношению на основе весовых процентов одного или нескольких алкановых компонентов многокомпонентной нефтесодержащей текучей среды.

25. Считываемый компьютером носитель, содержащий сохраненные на нем компьютерные инструкции, для побуждения процессора компьютера на выполнение последовательности инструкций для выполнения этапов способа получения характеристик одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды, причем процессор компьютера выполнен с возможностью:
(а) получения характеристик, по меньшей мере, одного свойства для группы компонентов многокомпонентной нефтесодержащей текучей среды, по меньшей мере, одного свойства группы, включающего в себя молекулярный вес и удельную плотность, при этом, молекулярный вес получают с помощью соотношения на основе данных газонефтяного соотношения, и удельную плотность получают из молекулярного веса;
(б) получения, по меньшей мере, одно свойства для соответствующих компонентов группы на основе, по меньшей мере, свойства группы компонентов, характеристики которых получены на этапе (а); и
(в) использования, по меньшей мере, одного свойства соответствующих компонентов группы, полученного на этапе (б), для оценки или прогнозирования одного или нескольких свойств многокомпонентной нефтесодержащей текучей среды.

26. Носитель по п.25, в котором данные газонефтяного соотношения измеряют скважинным инструментом анализа текучей среды.

27. Носитель по п.25, в котором процессор компьютера выполнен с возможностью оценки данных газонефтяного соотношения по соотношению на основе весовых процентов одного или нескольких алкановых компонентов многокомпонентной нефтесодержащей текучей среды.



 

Похожие патенты:

Изобретение относится к диагностированию двигателей внутреннего сгорания, в частности, к устройствам для определения загрязненности фильтра предварительной очистки масла смазочной системы двигателя.

Группа изобретений относится к автомобильной технике. Способ профилактики работы двигателя автомобиля включает оценку соответствия топлива по его устойчивости к окислению на основании определения процентного содержания ВНТ в топливе питания двигателя посредством спектроскопии в ближней инфракрасной области с возможностью изменения указанного содержания и уведомление пользователя о качестве топлива на основании результатов вышеуказанного определения.
Изобретение относится к оценке качества моторных масел и может быть использовано для определения их пригодности при эксплуатации техники. .

Изобретение относится к нефтяной промышленности и касается способа и системы для получения характеристик градиентов состава и свойств текучей среды коллектора, представляющего интерес, и анализа свойств коллектора на основе таких градиентов.

Изобретение относится к разработке и оценке нефтяных месторождений. .

Изобретение относится к устройствам для исследования эксплуатационных свойств компрессорных масел и может применяться как в лабораториях исследования, так и на производствах, выпускающих компрессорные масла.

Изобретение относится к области машиностроения и может быть использовано при эксплуатации многоцелевых гусеничных и колесных машин для определения содержания воды в моторных маслах.

Изобретение относится к испытательной ячейке для исследования текучих сред при повышенных давлениях. .

Изобретение относится к способу и системе для анализа свойств флюидов в микрофлюидном устройстве. Флюид вводится под давлением в микроканал, и в ряде мест, расположенных вдоль микроканала, оптически детектируются фазовые состояния флюида. Газообразная и жидкая фазы флюида распознаются на основе множества оцифрованных изображений флюида в микроканале. Двухуровневые изображения могут создаваться на основе оцифрованных изображений, и на основе двухуровневых изображений можно оценивать долю жидкости или газа во флюиде в зависимости от давления. На основе детектируемых фазовых состояний флюида можно оценивать свойства, такие как значения в точке начала кипения и/или распределение объемного соотношения фаз флюида в зависимости от давления. 2 н. и 21 з.п. ф-лы, 19 ил.

Изобретение относится к области аналитической химии для определения присадок в моторных маслах и может найти применение в аналитических лабораториях, производственных и технологических лабораториях нефтеперерабатывающих заводов, криминалистической практике. Для полноты извлечения дитиофосфатов цинка из моторного масла и чистоты получаемых образцов готовят 1% раствор моторного масла в гексане. В экстракционный патрон, заполненный гидроксилированным силикагелем, вносят полученный раствор объемом не более 2 мл 1% раствора масла в гексане на 1 г сорбента, затем пропускают последовательно смесь гексан:ацетон, взятых в объемном отношении 9:1 соответственно; после чего пропускают смесь изопропанол:вода:фосфорная кислота:ацетонитрил, взятых в соотношении 4:2:0.4:1 соответственно; при этом каждой смеси берут не менее 1,5 объема раствора масла в гексане. Аликвоту получаемого раствора анализируют методом ОФ ВЭЖХ. Достигается повышение точности и надежности определения. 1 табл., 7 ил.

Изобретение относится к аналитической химии газовых и воздушных сред, а также непищевых материалов. Способ характеризуется тем, что применяют газоанализатор с n=3-8 пьезокварцевыми резонаторами с собственной частотой колебаний 10-15 МГц, электроды которых модифицированы селективными и чувствительными сорбентами к газам-маркерам отработки моторных масел, отбирают анализируемый образец моторного масла и помещают в герметично закрывающийся сосуд для насыщения газовой фазы газами-маркерами отработки моторных масел, после установления равновесия в системе газ - жидкость, не нарушая герметичности сосуда, отбирают пробоотборником 1-5 см3 равновесной газовой фазы и инжектируют ее в закрытую ячейку детектирования анализатора газов, фиксируют изменение частоты колебаний модифицированных пьезокварцевых резонаторов в течение 1 мин, по результатам откликов в программе строят «визуальный отпечаток», рассчитывают его площадь Sв.о, отн.ед.2, рассчитывают разность площадей ΔS между площадью «визуального отпечатка» для анализируемой пробы Si и площадью «визуального отпечатка» для стандартного образца моторного масла Sст по формуле ΔS=(Si-Sст)/Sст×l00%, если относительная разница площадей ΔS≤30%, то моторное масло соответствует норме, если ΔS≥30%, то степень отработки масла критическая, при ΔS>45% - моторное масло отработано и подлежит замене. Достигается высокая точность, экспрессность и простота оценки. 1 пр., 1 ил.

Изобретение относится к области диагностики качества масел. При осуществлении способа предварительно нагревают взятые в равных объемах воду и масло с введенным в него деэмульгатором до заданной температуры, смешивают их и образованную смесь подвергают перемешиванию с поддержанием температуры смеси, равной начальной температуре компонентов до образования прямой эмульсии, после чего помещают полученную эмульсию в калориметр и в процессе разделения ее на фазы регистрируют изменение температуры в слоях водной фазы и масляной фазы, по полученной зависимости изменения температур в указанных слоях находят значения установившихся температур в слоях и по разности указанных температур судят о деэмульгирующих свойствах масла, причем, чем больше разность температур, тем выше деэмульгирующие свойства. Достигается повышение точности, информативности и достоверности оценки. 3 пр., 1 табл.

Изобретение относится к области измерительной техники и может быть использовано для определения концентрации сажи в моторном масле двигателей внутреннего сгорания. Заявленное изобретение касается способа определения концентрации сажи в моторном масле двигателей внутреннего сгорания, при котором определенное количество моторного масла с определенной скоростью течения направляется вдоль измерительного участка (2) и/или через него. Моторному маслу в области измерительного участка (2) подается энергия по меньшей мере от одного источника (13) энергии таким образом, что содержащиеся в моторном масле частицы сажи по меньшей мере частично поглощают эту энергию. Затем количество энергии, поглощенное в области участка (2) измерения, регистрируется и исходя из этого определяется концентрация сажи в моторном масле. Кроме того, заявлено устройство для определения концентрации сажи в моторном масле двигателей внутреннего сгорания. Технический результат - повышение точности получаемых данных. 2 н. и 13 з.п. ф-лы, 3 ил.

Изобретение относится к области измерительной техники и может быть использовано для определения температуры застывания нефти и нефтепродуктов. Согласно заявленному решению изменение температуры испытуемого нефтепродукта, помещенного в цилиндрический стакан, выполненный с возможностью размещения в нем мешалки, осуществляют хладагентом в виде смеси этилового спирта с жидким азотом. При этом цилиндрический стакан помещают в теплоизолированную емкость, заполняемую хладагентом и имеющую возможность возвратно-поступательного перемещения, герметичной фиксации цилиндрического стакана с испытуемым нефтепродуктом и подачи хладагента. В качестве температурно-зависимого параметра используют частоту вращения мешалки, а температуру застывания определяют по диаграмме, отражающей зависимость частоты вращения мешалки от температуры нефтепродукта как при понижении температуры нефтепродукта ниже температуры застывания, так и при повышении температуры до достижения температуры застывания. Также предложено устройство для реализации указанного выше способа, выполненное в виде механического и измерительного блоков. Технический результат - повышение оперативности при проведении экспресс-анализа. 2 н. и 1 з.п. ф-лы, 2 ил.

Изобретение относится к технике измерений и может использоваться в автомобильной, сельскохозяйственной, авиационной, нефтеперерабатывающей и других отраслях промышленности, где необходимо проводить оперативный анализ качества моторного масла. Оптико-электронное устройство для контроля качества моторного масла содержит осветительный блок, блок для захвата изображения, блок обработки изображения, схему управления осветительным блоком, последовательно соединенную с первым цифроаналоговым преобразователем и ЭВМ, электромеханический клапан дозации масла из картера двигателя с блоком управления электромеханическим клапаном, последовательно соединенный с вторым цифроаналоговым преобразователем и ЭВМ, шаговый двигатель, последовательно соединенный с блоком управления шаговым двигателем, с третьим цифроаналоговым преобразователем и ЭВМ, двумя катушками с лентой из фильтровальной бумаги, объектив, ПЗС-матрицу, последовательно соединенную с первым аналого-цифровым преобразователем, DSP-процессором и ЭВМ, термодатчик, последовательно соединенный с усилителем, вторым аналого-цифровым преобразователем и ЭВМ, цифровой индикатор, интерфейс соединения с внешними устройствами. Достигается возможность осуществления непрерывного автоматизированного контроля, повышение точности, оперативности и достоверности измерений. 1 ил.

Изобретение относится к имитационному моделированию сепараторов отделения воды от нефти, более конкретно к способу испытания термической добычи. Раскрыт имитатор теплового разделения фаз и способ испытания химических веществ. Имитатор содержит поворотный магазин с кольцевым нагревательным блоком (10), установленным с возможностью поворота на основании (20). Поворотный магазин содержит кольцевой ряд испытательных ячеек (12) для приема множества испытательных флаконов (60), множество нагревательных элементов (14) и термопары (15), расположенные между указанными ячейками. Каждая ячейка имеет канал (40) освещения и вертикальную щель (24), расположенные снаружи для обеспечения возможности визуального наблюдения или отображения вертикального образца флакона. Источник (41) освещения совмещен с каналом освещения каждой ячейки в ответ на поворот поворотного магазина. Способ включает добавление текучей среды со смешанной фазой во множество флаконов, добавление химического вещества в каждый флакон и имитирование теплового разделения фаз. Изображения текучей среды в каждом флаконе захватывают и анализируют для определения эффективности по меньшей мере одного химического вещества. Изобретение позволяет обеспечить возможность одновременного испытания множества химических веществ с использованием недавно добытой эмульсии, реальных температур процесса, перемешивания, продолжительности, добавления и извлечения текучей среды. 2н. и 18 з.п. ф-лы, 9 ил.

Изобретение относится к области физической химии, а именно исследованию термоокислительной деструкции смазочных масел и образованию высокотемпературных отложений на поверхностях теплонагруженных деталей двигателей. Для этого используют метод гравиметрического определения массы отдельной чашечки-испарителя без испытуемого смазочного масла и массы отдельной чашечки-испарителя с испытуемым смазочным маслом . Испытуемый образец выдерживают при температуре (T) и в течение времени (τ), достаточных для образования высокотемпературных отложений. После этого определяют массу смазочного масла, подвергшегося испарению . Затем образец промывают изооктаном, сушат и определяют массу чашки-испарителя с образовавшимися лаковыми отложениями . После сушки образовавшихся высокотемпературных отложений определяют суммарную массу нерастворимого в изооктане осадка (X), выделенного при промывке чашечек-испарителей. Сохранившуюся рабочую фракцию испытуемого смазочного масла рассчитывают по приведенной формуле. Изобретение позволяет повысить достоверность оценки смазочных масел по степени их влияния на эксплуатационную надежность двигателей при оценке глубины термоокислительной деструкции смазочного масла в целом. 1 ил., 1 табл.
Наверх