ACCURACY OF SACHDEVA’S CHOKE MODEL FOR PREDICTION GAS AND LIQUID RATE OF IRANIAN GAS CONDENSATE WELLS
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 2,145
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICOGPP01_234
تاریخ نمایه سازی: 22 مرداد 1391
چکیده مقاله:
Flow through a surface choke can be either critical or subcritical. Most of the correlations available to petroleum engineers are for critical flow but in lots ofhigh rate gas/condensate wells subcritical flow occurs in large choke sizes. Sachdeva’s multiphase choke flow model has capabilities of predicting criticalsubcriticalboundary and liquid and gas flow rates for given upstream and downstream pressures. Accurate modeling of choke is vitally important for apetroleum engineer in production from reservoirs.In this study, the accuracy of the Sachdeva’s choke model was evaluated using data from gas condensatewells in Iran. Comparisons of the results from the model and field measurements indicate that Sachdeva’s choke model generally under-estimates gas and condensate flow rates. Based on measurements from 101 gas condensate wells .it was found that the model underestimatesgas rate and liquid rate by as much as 35% and 65%, respectively. The investigation further went on to improve the performance of Sachdeva’s chokemodel. It was found that the error of the model could be minimized using of choke discharge coefficient (CD). For gas condensate wells, the error in gas flow rate calculations can be minimized using CD = 1.048 However, the error in liquid flow rate calculations for condensate wells is minimum when CD = 1.62.
نویسندگان
Mojtaba Golshadi
Islamic Azad University, mahshahr Branch , IRAN
Abbas Shahrabadi
Islamic Azad University, mahshahr Branch , IRAN.
Vahid Mobedifar
South Zagros Oil and Gas Production Company, Iranian Central Oil Fields Co. (ICOFC), National Iranian Oil Co. (NIOC), Shiraz, IRAN.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :