ارائه یک معادله تجربی جدید برای پیش‌بینی گرانروی گاز

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی نفت، دانشگاه صنعتی امیرکبیر

2 پژوهشگاه صنعت نفت

چکیده

گرانروی گاز یکی از مهم‌ترین پارامترهای مهندسی نفت می‌باشد، به‌طوری‌که گرانروی، جریان گاز در محیط متخلخل، چاه و خطوط لوله را تحت تاثیر قرار می‌دهد. لذا تعیین مقدار دقیق آن در فشار و دمای عملیاتی (به ویژه در شرایط مخزن) هیدروکربوری بسیار حائز اهمیت است. گرانروی گاز در آزمایشگاه قابل اندازه‌گیری است؛ ولی آزمایشات مربوط به آن پرهزینه و زمان‌بر می‌باشند. در ایران نیز تا‌کنون دستگاه آزمایشگاهی اندازه‌گیری گرانروی گاز وجود نداشته است. با توجه به این شرایط معمولا برای محاسبه گرانروی گاز از روابط و معادلات تجربی استفاده می‌شود. در این مقاله یک رابطه تجربی جدید برای پیش‌بینی گرانروی گازها ارائه شده است. این رابطه تجربی جدید با استفاده از شبکه های عصبی مصنوعی، تکنیک‌های آماری و بهینه‌سازی خطی به دست آمده است. اعتبارسنجی این معادله تجربی با رسم مقادیر پیش‌بینی شده گرانروی گاز بر حسب فشار در دماهای مختلف صورت گرفته است. نتایج مقایسه این معادله با معادلات تجربی ارائه شده قبلی برای داده های واقعی نشان می‌دهد که این رابطه از دقت و صحت بالاتری نسبت به روابط گذشته برخوردار است
 

کلیدواژه‌ها


عنوان مقاله [English]

Development of a Novel Empirical Method for Prediction of Gas Viscosity

نویسندگان [English]

  • Hamidreza Yousefi 1
  • Alireza Sanaei 1
  • alireza Naseri 2
چکیده [English]

Gas viscosity is one of the most important parameters in petroleum engineering affecting fluid flow in porous media, well, and pipelines. Therefore, it is important to use an accurate value in any ranges of operational pressure and temperature. Gas viscosity is measurable in laboratories but it is costly and time consuming. Also, in Iran, there is no apparatus to measure gas viscosity accurately in laboratories; thus engineers rely on empirical correlations to estimate gas viscosity. In this study, a novel method is used to predict hydrocarbon gas viscosity. This new gas viscosity correlation is developed using artificial neural network, statistical techniques, and a non-linear optimization. Moreover, the validation of this correlation has been approved. The results show that this model has more accuracy compared to other ones for a massive data set.
 

کلیدواژه‌ها [English]

  • Gas Viscosity
  • Correlation
  • Artificial Neural Networks
  • Multivariable Regression
  • Nonlinear Optimization

[1]. Chen Z. A. and Ruth D. W., On the viscosity correlation of natural gas, The CIM 1993 annual technical conference, Calgary. 1993.##

[2]. William D. McCain, Jr., The properties of petroleum fluids, Second Edition, Pennwell Publishing Company, Tulsa, Oklahama, ISBN 0-87814-335-1. 1990.##

[3]. Carr N. L., Kobayashi R., and Burrows D. B., “Viscosity of hydrocarbon gases under pressure”, American Institute of Mechanical Engineers,Vol 201:pp 264-272. 1954.##

[4]. Leea. L., Gonzalez M. H. and Eain B. E. “The Viscosity of Natural Gases”, Journal of Petroleum Technology, Vol 18 No 8, pp. 997-1000. 1966.##

[5]. DEMPSEY J. R., “Computer routine treats gas viscosity as a variable”, Oil and Gas Journal, pp. 141. 1965.##

[6]. Standing M. B., Volumetric and phase behaviour of oil field hydrocarbon systems, Society of Petroleum Engineers of AIME, Dallas, 1977##

[7]. Poling B. E., Prausnitz J. M., and O’Connel J. P., The properties of gases and liquids, 5th Edition, McGrawHill. Chapter 9, 2001##

[8]. Sutton R. P., Fundamental PVT calculations for associated and gas/condensate natural gas systems, SPE 97099, SPE Annual Technical Conference and Exhibition held in Dallas, Texas, U.S.A, 2005.##

[9]. Fausett L. Fundamentals of neural networks, USA: Prentice Hall Company, 1994.##

[10]. Avriel Mordecai, Nonlinear Programming: Analysis and Methods. Dover Publishing. 2003.##