Show simple item record

dc.contributor.advisorWhitson, Curtis Hays
dc.contributor.authorForsetløkken, Sindre Langås
dc.date.accessioned2021-09-24T17:50:56Z
dc.date.available2021-09-24T17:50:56Z
dc.date.issued2020
dc.identifierno.ntnu:inspera:54976536:36176940
dc.identifier.urihttps://hdl.handle.net/11250/2781593
dc.descriptionFull text not available
dc.description.abstractBunnhullstrykket utgjør sammen med produksjonsratene en viktig indikator på tilstanden til reservoaret og brønnen. Kunnskap om bunnhullstrykket under produksjon er derfor er derfor verdifull for både reservoaringeniører og produksjonsingeniører. Å skaffe informasjon om bunnhullstrykket er likevel ikke nødvendigvis enkelt. Overvåking med trykksensorer plassert på bunnen av brønnen er dyrt, og ofte ikke gjort på onshore-brønner. Det er da behov for andre metoder for å estimere bunnhullstrykket. En metode for å estimere bunnhullstrykk er å måle trykket ved toppen av brønnen, samt produksjonsratene. Fra disse kan man komme frem til et estimat for trykkfallet langs brønnen, og bunnhullstrykket kan bli regnet ut. Det finnes flere programvarer som kan gjøre disse utregningene, og gi et estimat på bunnhullstrykk, gitt de riktige inndata som produksjonsrater, brønndata og en fluidmodell. Behandlingen av fluiddataene, fra fluidmodellen til fluidegenskapene brukt for å estimere trykkgradientene, er ofte ikke veldig gjennomsiktig i disse programvarene. Det brukes ofte diverse korrelasjoner, og prosessen kan være upålitelig. I dette prosjektet har det blitt laget et program i python, som bruker konsistent Black-Oil-basert fluid modellering generert fra en tilstandsligning (fra programvaren PhazeComp) for å beregne trykktap langs brønnbaner. Python-programmet som er laget i dette prosjektet tar en tilpasset tilstandsligning, en fluid-komposisjon, produksjonsdata, samt brønndata som inndata. Fra tilstandsligningen og komposisjonen blir det laget en svart-olje tabell (Black-Oil table) som blir brukt for å slå opp fluidegenskaper ettersom temperaturen, trykket og det produserende olje-gass-forholdet varierer under produksjonsperioden. Flerfasestrømnings-modellen brukt i prosjektet er driftfluks-modellen. Driftfluks-modellen behøver en "void fraction parameter" (andelen av tverrsnittsarealet i brønnen som er fylt med gass). Den er anslått ved bruk av Woldesemayat og Ghajars korrelasjon. Et test-scenario er kjørt med daglig produksjonsdata over en periode på 100 dager, basert på data fra en væske-rik skiferolje-brønn (tight unconventional) i Eagle Ford-feltet. De resulterende bunnhullstrykkene er i tråd med resultatene som er generert av den kommersielle programvaren Prosper med samme inndata. Det verifiserer at test-scenarioet medfører pålitelige resultater. Hastigheten på utregningene gjort av python-programmet, inkludert interpoleringen som er gjort i svart-olje tabellene for å finne fluidegenskapene, er tilnærmet lik (eller noe raskere enn) hastigheten til Prosper for å gjøre samme type bunnhullstrykk-beregninger.
dc.description.abstractBottomhole pressures (BHP) are together with production rates important indicators on the state of the reservoir and the well. Knowledge of the BHP while producing is therefore valuable to both the reservoir engineer and the production engineer. Obtaining information about the BHP is, however, not necessarily straightforward. Monitoring with pressure sensors at the bottom of the well is expensive, and is often not done on onshore wells. Other methods of estimating the BHP is then needed. One method of estimating the BHP is to measure the pressure at the tubing head, and the production rates. From that the pressure drop through the pipe can be estimated, and finally the BHP is calculated. There exists several software that will do these calculations, and give an estimate of the BHP, given certain input, such as production data, well data, and some fluid model. The treatment of the fluid data, from the input model to the fluid properties used when estimating the pressure gradients, is often not very clear for these software. Often different correlations are used, and the process may not be reliable. In this project a program is made in python, that uses consistent black-oil based fluid modeling generated from an equation of state (from the software PhazeComp) to make pressure drop calculations in tubing. The python program created in this project takes a tuned equation of state (EOS), a fluid composition, production data and well data as input. From the EOS and the composition, it creates a Black-Oil (BO) table, that is used for looking up fluid properties as the temperature, pressure and producing gas-oil ratio is varying during the production period. The multi-phase flow model used is the drift flux model. The drift flux model requires a void fraction parameter, and it is found by using Woldesemayat and Ghajar's correlation. A test case is run with daily production data over a period of 100 days, based on data from a liquid-rich tight unconventional well in the Eagle Ford basin. The resulting BHP's are in line with the results generated from the commercial software Prosper with the same input data. This verifies that the test case yields reliable data. The speed of the calculations, including the interpolations done from the black-oil tables to find the fluid properties, done in the python program, is also close to (or slightly faster than) the speed of Prosper when doing the same BHP estimation.
dc.languageeng
dc.publisherNTNU
dc.titleDrift Flux Pipeflow Calculations Using Consistent Black-Oil PVT
dc.typeMaster thesis


Files in this item

FilesSizeFormatView

This item appears in the following Collection(s)

Show simple item record