بررسی نسبت گرانروی سیال تزریقی و سیال مخزنی در پیش‌بینی زمان‌برون‌زد با استفاده از مفاهیم تراوش

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران، ایران

10.22078/pr.2022.4570.3060

چکیده

زمان‌برون‌زد سیال تزریقی در فرآیند تزریق آب یک معیار عملکرد مخزن است که تحت تاثیر موقعیت و عملیات چاه است. پیش‌بینی این زمان‌برون‌زد  برای طراحی فرآیند و الگوهای تزریق در توسعه‌ مخزن مفید است. روش متعارف برای این کار شبیه‌سازی مخزن بوده که که وقتی توزیع زمان‌برونزد مورد نظر باشد این کار بسیار زمان‌بر است.یک روش  جایگزین در تعیین سریع زمان‌برون‌زد استفاده از رویکرد تئوری پرکولاسیون است. در این روش با استفاده از برخی خصوصیات مخزنی موجود مانند نسبت خالص به ناخالص، و ابعاد مخزن، امکان پیش‌بینی سریع نمودار توزیع زمان‌برون‌زد وجود دارد. به هرحال، برخی فرضیات لحاظ شده در توسعه اولیه رابطه مقیاس‌بندی توزیع زمان‌برون‌زد مانند فرض برابری گرانروی دو سیال تزریقی و تولیدی کاربردهای میدانی آنرا محدود نموده است. به منظور بسط کاربرد روابط مقیاس‌بندی زمان‌برونزد لازم است اثرات گرانروی متفاوت دو سیال بر روابط مقیاس‌بندی زمان‌برون‌زد دیده شود. به‌طور خاص از یک رویکرد بدون بعدسازی زمان‌برون‌زد بر مبنای زمان مشخصه بی‌بعد استفاده می شود. با اجرای شبیه‌سازی‌های‌ مختلف جریان در مخزن تأثیر تغییرات گرانروی فازها بر زمان‌برون‌زد  بررسی گردید. نتایج این مطالعه نشان می‌دهد زمان مشخصه مناسب در رابطه مقیاس‌بندی زمان‌برونزد وابستگی به درجه اشغال شدگی و نسبت گرانروی دو فاز به فرم یک رابطه توانی با توان 3/1 دارد. لذا با تعمیم رابطه توزیع زمان‌برون‌زد با در نظر گرفتن این وابستگی توانی پیش‌بینی زمان‌برون‌زد  سیال تزریقی در چاه تولیدی مخزن با دقت قابل قبولی امکان پذیر است. در انتها با پیاده‌سازی این رویکرد در یک مخزن واقعی و مقایسه نتایج زمان‌برون‌زد با نتایج شبیه‌سازی‌های تجاری به اعتبارسنجی رابطه تعمیم داده شده برای زمان‌برون‌زد تعمیم داده شده پرداخته شد.
 

کلیدواژه‌ها


عنوان مقاله [English]

Effect of Viscosity Ratio of Injection Fluid and Reservoir Fluid on Prediction of Breakthrough Time Using Percolation Concepts

نویسندگان [English]

  • Sara Shokrollahzadeh Behbahani
  • Mohsen Masihi
  • Mohammad Hossein Ghazanfari
Department of Chemical and Petroleum Engineering, Sharif University of Technology, Tehran, Iran
چکیده [English]

Estimation of the breakthrough time of injected fluid in water injection process is useful for process design and injection pattern during reservoir development. Conventional approach to this is to use reservoir simulation. An alternative is to use percolation theory approach. However, some of the assumptions used in developing the scaling function of breakthrough time such as similarity of viscosity of both injection and production fluids limits its applications to field scale. In this study, we use the dimensionless time approach for breakthrough which is based on a characteristic time. By using various reservoir simulation cases the effect of fluids viscosities was studied. The results showed that the suitable characteristic time for scaling of breakthrough time depends on both NTG and viscosity ratio of phases in a power law form with exponent of 1.3.
 

کلیدواژه‌ها [English]

  • viscosity
  • Percolation
  • Breakthrough time
  • Reservoir Porous Media
[1]. Sahimi M (1994) Applications of Percolation Theory, CRC Press. ##
[2]. King P, Masihi M (2018) Percolation theory in reservoir engineering, Published by World Scientific, 300, 978-1-78634-523-3. ##
[3]. Flory P J (1941) Molecular size distribution in three dimensinal polymerrs, Journal of the American Chemical Society, 63, 11: 3083-3090. ##
[4]. Broadbent S R, Hammersley J M (1957) Percolation processess, Mathematical Proceedings of the Cambridge Philosophical Society, 629-641. ##
[5]. Selyakov V I, Kadet V V (1996) Percolation models for transport in porous media with applications to reservoir engineering, Springer. ##
[6] King P R, Buldyrev S V, Dokholyan N V, Havlin S, Lopez E, Paul G, Stanley H E (2002) Using percolation theory to predict oil field performance, Physica, A314: 103-108. ##
[7]. Chandler R, Koplik J, Lerman K, Willemsen J F (1982) Capillary displacement and percolation in porous media, Journal of Fluid Mechanics, 119: 249-267. ##
[8]. Lenormand R, Bories S (1980) Description d›un mécanisme de connexion de liaison destiné à l›étudedu drainageavec piégeage en milieu poreux, Comptes Rendus Hebdomadaires des Séances De ‹L›Académie Des Sciences, 279-291. ##
[9]. Wilkinson D, Willemsen J F (1983). Invasion percolation: a new form of percolation theory, Journal of Physics A: Mathematical and General, 16: 3365-3376. ##
[10]. Chayes J T, Chayes L, Newman C M (1985) The stochastic geometry of invasion percolation, Communications in Mathematical Physics, 101: 383-407. ##
[11]. Bak P, Tang C, Wiesenfeld K (1987) Self-Organized Criticality: an explanation of 1/f noise, Physical Review Letters, 59, 4: 381-384. ##
[12]. Dickman R, Munoz M A, Vespignani A, Zapperi S (2000), Paths to self-organized Criticality, Brazilian Journal of Physics, 30, 1: 27-39. ##
[13]. Dhar D (2017) Self-tuning to the critical point: invasion percolation, Journal of Physics A: Mathematical and Theoretical. ##
[14]. Masihi M, R Shams, PR King (2022) Pore level characterization of Micro-CT images using percolation theory, Journal of Petroleum Science and Engineering, 110113. ##
[15]. Rui G, Xin W, Mingguang C, Bo C, Chunming H (2017) The fractures optimization method with the threshold pressure of multistage fracturing in tight oil reservoir, In SPE Reservoir Characterisation and Simulation Conference and Exhibition, OnePetro. ##
[16]. Andrade J S, Buldyrev S V, Dokholyan N V, Havlin S, King P R, Lee Y, Paul G, Stanley H E (2000) Flow between two sites on a percolation cluster, Physical Review, E 62, 6: 1-31. ##
[17]. King P R, Buldyrev S V, Dokholyan N V, Havlin S, Lopez E, Paul G, Stanley H E (2002) Percolation Theory, London Petrophysical Society. ##
[18] Ganjeh-Ghazvini M, Masihi M, Ghaedi M (2014) Random walk-percolation based modeling of two-phase flow in porous media: breakthrough time and net to gross ratio estimation, Physica A, 406: 214-221. ##
[19]. Shokrollahzadeh S, Masihi M, M Ghazanfari H, King P (2019) Effect of characteristic time on scaling of breakthrough time distribution for two-phase displacement in percolation porous media, Transport in Porous Media, 130, 3: 889-902. ##
[20]. Sadeghnejad S, Masihi M, Pishvaei M, Shojaei A, King P R (2014) Estimating connected volume of hy drocarbon during early reservoir life by percolation theory, Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, 36, 3: 301-308. ##
[21]. Sadeghnejad S, Masihi M (2016) Point to point continuum percolation in two dimensions, Journal of Statistical Mechanics, Theory and Experiment, 10: 103210. ##
[22]. Sadeghnejad S, Masihi M (2017) Analysis of a more realistic well representation during secondary recovery in 3-D continuum models, Computational Geosciences, 21, 5-6: 1035-1048. ##
[23]. Sadeghnejad S, Masihi M (2011) Water flooding performance evaluation using percolation theory, Iranian Journal of Petroleum Science and Technology, 2: 19-23. ##
[24]. Dokholyan N V, Lee Y, Buldyrev S V, Havlin S, King P R, Stanley H E (1999) Scaling of the distribution of shortest paths in percolation, Journal of Statistical Physics, 93, 3: 603-613. ##