شبیه‌سازی تزریق نانوسیالات پایه آبی به مخازن نفتی با استفاده از روش خطوط جریان
محورهای موضوعی : کاربرد نانوساختارها
نرگس میلانی نسب
1
,
بهزاد وافری
2
1 - دانشکده مهندسی شیمی و مواد، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
2 - دانشکده مهندسی شیمی و مواد، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
کلید واژه: ازدیاد برداشت نفت, تزریق نانوسیال, روش خطوط جریان, شبیه‌سازی,
چکیده مقاله :
هدف اصلی تمام روش‌های شبیه‌سازی مخازن، پیش‌بینی عملکرد جریان و میزان بازیافت نفت است. اکثر شبیه‌سازهای تجاری معادلات حاکم بر رفتار مخزن را با روش تفاضل محدود حل می‌کنند. برای حل معادلات سه‌بعدی جریان در محیط متخلخل با روش تفاضل محدود به یک سری شبکه نیاز است که ابعاد آنها بر روی نتایج شبیه‌سازی تاثیر‌گذار است که به آن پراکندگی عددی اطلاق می‌گردد. در ضمن، در مدل‌های پیچیده که تعداد بلوک‌های شبکه زیاد است، مدت زمان زیادی برای اجرای شبیه‌سازی نیاز می‌شود. برای از بین بردن اثر اندازه بلوک و همچنین افزایش سرعت شبیه‌سازی، روش خطوط جریان (Stream line method) پیشنهاد شده‌است که در مهندسی و مدیریت مخازن هیدروکربوری کاربرد زیادی دارد. روش خطوط جریان می‌تواند مسیر جریان سیال در مخزن، راندمان تزریق، حجم فضای خالی، و ضریب تخصیص چاه به منظور تعیین حجم سیال انتقال یافته بین چاه های تزریقی و تولیدی را شبیه‌سازی نماید. علاوه بر این در سال‌های اخیر مطالعات زیادی بر روی تاثیر تزریق نانوسیالات بر ویژگی‌های مخازن نفتی و میزان ازدیاد برداشت از آنها انجام شده‌است. از آنجایی که روش خط جریان تاکنون برای شبیه‌سازی تزریق نانوسیال در مخازن نفتی مورد استفاده قرار نگرفته است، در این تحقیق تاثیر تزریق نانوسیال آب-سیلیکا بر معادلات جریان فاز‌ها بررسی شده‌است. نتایج شبیه‌سازی نشان داد که تزریق نانوسیال به مخزن موثرتر از تزریق آب خالص بوده و تولید نفت را افزایش می‌دهد. علاوه بر این مشاهده شد که نوع نفت موجود در مخزن (سبک و سنگین) تاثیر چشم‌گیری بر روی نتایج شبیه‌سازی ندارد.
The main goal of all reservoir simulators is to predict the flow performance and oil recovery factor. Most commercial simulators solve the equations governing reservoir behavior with the finite difference approach. To solve the three-dimensional equations of flow in a porous media with the finite difference method, the grid dimension has an effect on the simulation results (i.e., divergence). In addition, the simulation of complex reservoirs with a large number of network blocks needs a long computational time. In order to eliminate the effect of block size and increase the speed of simulation, the streamline method has been proposed, which is widely used in the management of hydrocarbon reservoirs. The streamline method can monitor the flow direction in the reservoir, injection efficiency, pore volume, and well allocation coefficient to determine the volume of fluid transferred between injection and production wells. Also, in recent years, many studies have been conducted on the effect of nanofluid injection on the characteristics of oil reservoirs and the increase in oil recovery. Since the streamline method has not been used to simulate the nanofluid injection in oil reservoirs, in this research the effect of water-silica nanofluid injection on the flow equations of phases has been investigated. The simulation results showed that nanofluid injection into the reservoir is more effective than pure water injection and increases oil production. Moreover, it was observed that the reservoir oil type (light and heavy) has an insignificant effect on the simulation results.
1. K. Mogensen, S. Masalmeh, J. Pet. Sci. Eng., 195, 107889 (2020).
2. S. Zendehboudi, M. A. Ahmadi, A. R. Rajabzadeh, N. Mahinpey, I. Chatzis, Can. J. Chem. Eng., 91(8), 1439-1449(2013).
3. Z. X. Xu, S. Y. Li, B. F. Li, D. Q. Chen, Z. Y. Liu, Z. M. Li, Pet. Sci., 17, 990-1013 (2020).
4. E. W. Al-Shalabi, K. Sepehrnoori, M. Delshad, (2013, April). Mechanisms behind low salinity water flooding in carbonate reservoirs. In SPE Western Regional & AAPG Pacific Section Meeting 2013 Joint Technical Conference. OnePetro.
5. M. Mahmoudpour, P. Pourafshary, J. Pet. Sci. Eng., 196, 107662(2021).
6. M. R. Aghajanzadeh, P. Ahmadi, M. Sharifi, M. Riazi, J. Pet. Sci. Eng., 178, 700-710 (2019).
7. I. Nowrouzi, A. Khaksar Manshad, A. H. Mohammadi, ACS omega, 7(26), 22161-22172(2022).
8. S. U. S. Choi, J. A. Eastman Heat Transfer Enhancement using Nanofluids. In International mechanical engineering congress and exhibition (1995).
9. M. Almahfood, B. Bai, J. Pet. Sci. Eng., 171, 196-210 (2018).
10. M. S. Alnarabiji, M. M. Husein, Fuel, 267, 117262 (2020).
11. L. Li, M. Khait, D. Voskov, A. Abushaikha, (2020, December). Parallel framework for complex reservoir simulation with advanced discretization and linearization schemes. In SPE Europec. OnePetro.
12. M. J. Blunt, K. Liu, M. R. Thiele, Pet. Geosci., 2(3), 259-269 (1996).
13. K. A. Lie, (2019). An introduction to reservoir simulation using MATLAB/GNU Octave: User guide for the MATLAB Reservoir Simulation Toolbox (MRST). Cambridge University Press.
14. M. H. Esfe, S. Esfandeh, J. Mol. Liq., 301, 112094 (2020).
15. N. A. Ogolo, O. A. Olafuyi, M. O. Onyekonwu, (2012, April). Enhanced oil recovery using nanoparticles. In SPE Saudi Arabia section technical symposium and exhibition. OnePetro.
16. M. F. El-Amin, S. Sun, A. Salama, (2013, March). Enhanced oil recovery by nanoparticles injection: modeling and simulation. In SPE Middle East Oil and Gas Show and Conference. OnePetro.
17. M. Sepehri, B. Moradi, A. Emamzadeh, A. H. Mohammadi, OGST - Revue d'IFP Energies nouvelles, 74, 5 (2019).
18. M.R. Thiele, R. P. Batycky, L. K. Thomas, (2002, September). Miscible WAG simulations using streamlines. In Paper presented at 8th European Conference on the Mathematics of Oil Recovery—Freiberg (Vol. 3, p. 6).
19. C.J. Seto, K. Jessen, F.M. Orr (2003, February). Compositional streamline simulation of field scale condensate vaporization by gas injection. In SPE Reservoir Simulation Symposium. OnePetro.
20. A.M. AlSofi, M. J. Blunt, SPE Journal, 15(04), 895-905 (2010).
21. A. Al-Huthali, A. Datta-Gupta, J. Pet. Sci. Eng., 43(3-4), 271-300 (2004).
22. M. Ahmadpour, M. Siavashi, M.H. Doranehgard, J. Cent. South Univ., 23, 2630-2637(2016).
23. Y. Jun, (2011). Streamline numerical well test interpretation: theory and method. Gulf Professional Publishing.
24. K.A. Lie, (2019). An introduction to reservoir simulation using MATLAB/GNU Octave: User guide for the MATLAB Reservoir Simulation Toolbox (MRST). Cambridge University Press.