Блог

Jun 17, 2023

Приложения для энергетической отрасли повышают эффективность

Исследователи UH разрабатывают инструменты для добычи нефти со «значительно более высокой точностью»

Исследователи UH разрабатывают инструменты для добычи нефти со «значительно более высокой точностью», чем существующие методы

Рашда Хан 713-743-7587

25 мая 2023 г.

Команда исследователей из Университета Хьюстона разработала серию цифровых приложений, позволяющих повысить эффективность процессов в энергетической отрасли. Три инновационных онлайн-калькулятора, самым последним из которых является калькулятор минимального давления смешиваемости углеводородного газа (MMP), доступны профессионалам отрасли бесплатно.

Поскольку фокус отрасли смещается в сторону улавливания, использования и хранения углерода (CCUS) и нулевой экономики, закачка газа может сыграть жизненно важную роль. ММП является ключевым свойством, определяющим осуществимость и эффективность проекта закачки газа, одного из наиболее эффективных методов повышения нефтеотдачи пластов. Кроме того, он станет калибровочной точкой для проектов по связыванию углекислого газа в присутствии углеводородов. Новые калькуляторы MMP для углеводородов, MMP для диоксида углерода и вязкости могут помочь инженерам в этой области сэкономить время, ресурсы и средства, обеспечивая более быстрый анализ и расчеты.

В состав команды входят Бироль Диндорук, профессор нефтяной, химической и биомолекулярной инженерии Американской ассоциации инженеров-буровиков в UH; Мохамед Солиман, председатель Департамента нефтяной инженерии UH; и Уткарш Синха, получивший степень магистра нефтяного машиностроения в UH в 2018 году. Трое исследователей встретились, когда Синха был аспирантом.

«Эти приложения обеспечивают быстрый и надежный метод определения значения MMP во время закачки газа с помощью легко доступных исходных данных и со значительно более высокой точностью, чем любой из существующих методов, используемых в отрасли», — сказал Синха.

Углекислый газ и углеводородные газы являются наиболее распространенными газами, используемыми в процессах нагнетания газа. Эти газы служат нескольким целям, включая облегчение секвестрации углекислого газа и оптимизацию уровней давления для максимальной эффективности.

«Поведение фазы углекислого газа/нефти сильно отличается от поведения фазы углеводородного газа/нефти», - сказал Диндорук. «Поэтому нам пришлось разработать разные инструменты с расширенным набором возможностей. Мы предлагаем разные подходы к измерению ММП».

Учитывая быстро развивающуюся энергетическую отрасль и осознавая, что инженеры и технический персонал не обязательно могут позволить себе роскошь тестировать и реализовывать идеи, изложенные в научных статьях, исследовательская группа была полна решимости донести эти инструменты «на кончики пальцев пользователей», добавил он. Диндорук.

«Мы не хотим, чтобы наши идеи и открытия существовали только на бумаге», — сказал он. «Мы хотим, чтобы наши инструменты и методы применялись и использовались другими для повышения эффективности этих процессов».

Делая приложения бесплатными, исследователи надеются изучить отзывы пользователей, чтобы внести улучшения и даже разработать новые приложения.

Калькулятор UH вязкости

Приложение для измерения вязкости рассчитывает толщину нефти в ее естественном состоянии, также известной как мертвая нефть, требуя очень мало информации. Это полнодиапазонный метод, позволяющий измерять вязкость масла в широком диапазоне – от долей сантипуаза (сП), единицы измерения вязкости, до миллиона сП.

«Если мы знаем одну вязкость при одной температуре, мы можем получить любую вязкость при любой температуре в пределах установленной нами области», — сказал Диндорук. «Это действительно полезно, поскольку помогает нам обойти ограничения при измерении вязкости масла при высоких температурах».

Более подробную информацию об этом приложении можно найти в статье «Дополненная модель вязкости мертвого масла с помощью машинного обучения для всех типов масел».

Исследователи интегрировали машинное обучение в свою работу, что побудило их собрать большое количество данных при помощи различных участников. Команда использовала эти данные для создания оптимальных версий последующих моделей.

«Благодаря этой работе мы получили ценные знания и идеи, и мы благодарны всем, кто помогал нам в этом путешествии», — сказал Диндорук.