Characterization of C7+ Fraction by Use of Distribution Functions in One of Iranian Oil Fields
محل انتشار: اولین همایش ملی توسعه میادین نفت و گاز
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,030
فایل این مقاله در 5 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:
OGFD01_076
تاریخ نمایه سازی: 1 مهر 1394
چکیده مقاله:
In characterization of heptane plus (C7+) fractions in addition to bulk properties such as molecular weight, specific gravity, etc., properties distribution is also required. Bulk properties can be measured easily but determination of properties distribution is more costly and time consuming. So the characterization methods are used for determining the properties distribution. Methods selected for the characterization of reservoir fluids have significant impact on the estimation of physical properties and phase behavior needed in reservoir simulation for petroleum production. Characterization of reservoir fluids involves representing the fluid as a continuous, semi-continuous mixture or through a number of components/pseudocomponents with known basic characterization data. Understanding of various characterization schemes and their limitations is the key to selecting the right one in a reservoir simulator. The main objective of these paper is to compare the results of characterization methods for one of Iranian south oil field to determine the best method that is compactible with that reservoir fluid. The results show that all models can estimate the mole fraction distribution very close to the experimental data from C7 to C30+ but the average absolute error for single carbon number (SCN) model is lower than other models for this reservoir fluid
کلیدواژه ها:
نویسندگان
Bozorgmehr Bagheritabar
Azad University of Mahshahr
GholamReza Moradi
Faculty of Chemical Engineering, Razi University
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 :