НЕФТЕХИМИЯ, 2021, том 61, № 6, с. 808-819

УДК 622.276

ПРОГНОЗИРОВАНИЕ ГРАНИЦЫ ОБЛАСТИ ОСАЖДЕНИЯ

АСФАЛЬТЕНОВ С ИСПОЛЬЗОВАНИЕМ ЭМПИРИЧЕСКИХ УРАВНЕНИЙ

И МОДЕЛИ УРАВНЕНИЯ СОСТОЯНИЯ

Shaine Mohammadali Lalji¹, Anas Nabil Sallam Hezam¹

¹Department of Petroleum Engineering, NED University о Engineering & Technology, Karachi, 75270 Pakistan

²Hildebrand Department of Petroleum and Geosystems Engineering, University of Texas at Austin, Texas, 78712 USA

^*E-mail: engrimran@neduet.edu.pk

Поступила в редакцию 18 сентября 2020 г.

После доработки 14 июля 2021 г.

Принята к публикации 3 ноября 2021 г.

Целью данного исследования является оценка границы области осаждения асфальтенов (APE) с исполь-

зованием эмпирических уравнений и модели уравнения состояния. Было обнаружено, что эмпирические

модели ненадежны, потому что модель полностью не способна спрогнозировать реальные результаты,

когда используются образцы нефти, состав и свойства которых не попадают в диапазон набора данных,

используемых при разработке эмпирических уравнений. Более того, существует неопределенность в

точности модели даже для тех образцов нефти, состав и свойства которых находятся в пределах приме-

нимости эмпирических уравнений. С другой стороны, было обнаружено, что модель уравнения состоя-

ния (EOS) позволяет с высокой или средней точностью рассчитать соответствующую границу области

осаждения асфальтенов для всех использованных образцов нефти.

Ключевые слова: асфальтены, осаждение, граница области осаждения асфальтенов, эмпирические

уравнения, уравнение состояния

DOI: 10.31857/S002824212106006X

Нефть обычно делится на четыре фракции, а

оставаясь при этом растворимым в ароматических

именно: насыщенные углеводороды, ароматиче-

растворителях, таких как бензол и толуол [4]. Ас-

ские углеводороды, смолы и асфальтены (SARA)

фальтены состоят из углерода, водорода и гетеро-

[1]. Среди всех фракций нефти асфальтены яв-

атомов, таких как сера, кислород и азот [5]. Осаж-

ляются самыми тяжелыми и высокополярны-

дение асфальтенов - одна из основных проблем в

ми компонентами нефти [2]. Слово «асфальтен»

обеспечении стабильной добычи углеводородов, ко-

было впервые введено французским химиком

торая возникает из-за изменений в составе нефти и

Ж.Б. Буссинго в 1837 г. [3], выделившим фракции

термобарических условиях [6]. Более того, про-

некоторых битумов, обнаруженных в восточной

блема может возникнуть в любом месте системы

части Франции и в Перу. Он назвал нераствори-

добычи нефти [5, 6] и может создать серьезные тех-

мое в спирте и растворимое в скипидаре твер-

нические проблемы и вызвать огромные экономи-

дое вещество, полученное из остатка перегонки,

ческие потери для компаний-операторов [6, 7].

«асфальтеном» из-за его сходства с исходным

Благодаря большому количеству исследований

асфальтом

[3]. По определению, асфальтен

фазового поведения было доказано, что осаждение

компонент нефти, который выпадает в осадок при

асфальтенов начинает проявляться при давлении

добавлении н-алканов (в частности н-гептана),

выше давления насыщения, которое называется

808

ПРОГНОЗИРОВАНИЕ ГР

АНИЦЫ ОБЛАСТИ ОСАЖДЕНИЯ АСФАЛЬТЕНОВ

809

Примерные условия

●

пласта

Жидкость

Возможный путь

добычи

Жидкость + Асфальтены

Жидкость + Пары + Асфальтены

Жидкость + Пары

Температура

Рис. 1. Граница области осаждения асфальтенов [7].

верхним давлением начала осаждения асфальтенов

часто сопровождается значительными эксперимен-

(UAOP) [8, 9]. Затем по мере дальнейшего сниже-

тальными ошибками и погрешностями [12]. На-

ния пластового давления в результате добычи угле-

пример, проведение эксперимента по определению

водородов количество осажденных асфальтенов

одного значения UAOP может занять около 24 ч

увеличивается и достигает максимума при давле-

или больше с приблизительной стоимостью около

нии насыщения нефти газом (BPP). Дальнейшее

30 тыс. долларов США [12]. Кроме того, чувстви-

снижение пластового давления ниже точки насы-

тельность оборудования и порядок работы могут

щения газом заставляет асфальтены снова раство-

вызывать несоответствия в заявленных значениях

ряться в нефти. Давление, при котором осажденные

точек начала осаждения асфальтенов [17-19].

асфальтены снова растворяются в нефти и которое

Существуют две основные категории термоди-

становится постоянным, называется нижним дав-

намического моделирования осаждения асфаль-

лением начала осаждения асфальтенов (LAOP)

тенов: мицеллярный метод и метод растворимо-

[8, 9]. На рис. 1 показана граница области осажде-

сти [12]. Подход с использованием мицеллярной

ния асфальтенов. По сравнению с нижним давле-

теории основан на концепции, согласно которой

нием LAOP верхнее давление начала осаждения

асфальтены должны существовать в виде взвешен-

асфальтенов (UAOP) более четкое и определенное,

ных твердых частиц в нефти, которые стабилизиру-

поскольку растворение асфальтенов ниже давле-

ются молекулами смол [20]. Кроме того, полярные

ния насыщения происходит кинетически медленно

взаимодействия между асфальтенами и смолами

[10, 11].

играют жизненно важную роль в определении ста-

Термодинамическое моделирование - ценный

бильности асфальтенов в нефти. Мицеллярная тео-

инструмент, который позволяет оценить давление

рия помогла понять поведение асфальтенов на ран-

начала осаждения асфальтенов и может дополнять

них стадиях [17]. Недостаток мицеллярной теории

экспериментальные значения [12], полученные с

состоит в том, что она не описывает обратимость

помощью различных методов, таких как система

осаждения асфальтенов, и то, что моделирование

обнаружения твердых частиц (SDS) [13], микро-

требует настройки различных параметров для

скопия при высоком давлении (HPM) [14], гра-

прогнозирования [20]. Напротив, теория раство-

виметрический метод [15] и методы фильтрации

римости основана на идее, что молекулы асфаль-

[16]. Реализация этих экспериментальных методов

тенов предположительно присутствуют в составе

моделирования высокого давления и высокой тем-

нефтяной смеси как ее часть; при этом осаждение

пературы (HPHT) требует много времени, затрат и

асфальтенов моделируется как равновесие между

НЕФТЕХИМИЯ том 61 № 6 2021

810

SYED IMRAN ALI и др.

твердым веществом и жидкостью или между дву-

состояний (EOS). К таким EOS относятся урав-

мя жидкостями [20]. Уравнение состояния (EOS) и

нения состояния Пенга-Робинсона (PR) и Соаве-

теория растворимости - два основных подхода, в

Редлиха-Квонга (SRK) [6]. Подход к моделирова-

которых использовали теорию растворимости для

нию термодинамического поведения асфальтенов с

моделирования осаждения асфальтенов [12].

использованием EOS был впервые введен Гуптой

Теперь подробно рассмотрим каждую катего-

[29]. Позже Нгьем и др. разработали модель PR

рию. Полимерная модель - одна из самых ранних

EOS и смоделировали осаждение асфальтенов,

моделей осаждения асфальтенов. Впервые она

рассматривая их как осаждающиеся и не осажда-

была введена в работе Флори-Хаггинса [21], а за-

ющиеся псевдо-компоненты [31]. Тем не менее,

тем доработана другими исследователями, напри-

кубические уравнения состояния широко исполь-

мер, Хершбергом и др. [22]. Эта модель рассма-

зуется для моделирования осаждения асфальтенов

тривает фракцию асфальтенов как неидеальный

благодаря их простоте и приемлемой точности.

раствор. Для выполнения необходимой вычисли-

Однако они не учитывают влияние водородной

тельной работы при моделировании осаждения ас-

связи и ассоциации [6]. Для устранения этого

фальтенов используются и равновесие жидкость-

ограничения предлагается модель EOS Cubic-Plus

жидкость (LLE), и равновесие пар-жидкость (VLE)

Association (CPA), которая учитывает влияние ас-

в сочетании с теорией полимерных растворов [23].

социации. Модель CPA состоит из двух компонен-

Некоторые исследователи провели многочислен-

тов: физического компонента (не учитывающего

ные эксперименты по повышению точности этих

ассоциацию) и компонента ассоциации [6]. Модель

моделей [24-26].

EOS, основанная на статистической теории ассо-

Термодинамическая коллоидная модель также

циации (SAFT), также является одной из широко

является одной из популярных моделей осаждения

используемых моделей осаждения асфальтенов.

асфальтенов. Она была введена Леонтаритисом и

Модель SAFT была первоначально разработана

Мансури в 1987 г. [27]. Модель работает при пред-

Чапманом и др. [32]. Позже в 2004 г. они предло-

положении, что асфальтены умеренно растворены

жили модифицированную модель EOS, которая

в форме коллоидной суспензии в нефти и стаби-

учитывает влияние межмолекулярной ассоциации,

лизируются смолами, которые адсорбируются на

ван-дер-ваальсовых взаимодействий и формы мо-

поверхности частиц асфальтенов [27]. Используя

лекул [33]. Эта модель EOS может предсказывать

теорию полимерных растворов Флори-Хаггинса,

точное термодинамическое поведение сложных

определяют критический потенциал смолы для

смесей [6]. На протяжении многих лет были пред-

оценки начала осаждения асфальтенов при различ-

ложены различные варианты модели SAFT, среди

ных термодинамических условиях [23].

которых модель SAFT с возмущенной цепью (PC

Модель мицеллизации - еще одна модель, пред-

SAFT) является наиболее распространенной из-за

ее превосходной точности [6]. При реализации мо-

ложенная Викторовым и Фироозабади на основе

дели PC SAFT EOS ван-дер-ваальсовые взаимодей-

концепции свободной энергии Гиббса [28]. Эта

модель предполагает, что асфальтены присутству-

ствия считаются доминирующими. Поэтому ком-

ют внутри нефти в мицеллах. Мицеллы состоят из

поненты, учитывающие ассоциацию, в расчетах не

асфальтенового ядра, окруженного защитной обо-

участвуют [6].

лочкой из смол и других компонентов, не относя-

В течение последних десятилетий моделирова-

щихся к асфальтенам. Асфальтены и смолы оста-

ние осаждения асфальтенов широко выполнялось

ются в мицелле в термодинамическом равновесии

исследователями, использующими термодинами-

со своими мономерами в нефти в стабильных усло-

ческие модели, как коллоидные, так и основанные

виях. Однако при нарушении термодинамического

на растворимости. Преимущества, ограничения и

равновесия из-за физических и химических взаи-

их точность с точки зрения прогнозирования гра-

модействий эта защитная оболочка диссоциирует,

ницы области осаждения асфальтенов (APE) об-

вызывая флокуляцию асфальтенов [30].

суждались в литературе. В то же время в литера-

Осаждение асфальтенов также можно смо-

туре отсутствуют исследования по моделированию

делировать с помощью кубического уравнения

осаждения асфальтенов с использованием эмпири-

НЕФТЕХИМИЯ том 61 № 6 2021

ПРОГНОЗИРОВАНИЕ ГР

АНИЦЫ ОБЛАСТИ ОСАЖДЕНИЯ АСФАЛЬТЕНОВ

811

Таблица 1. Переменные и их диапазоны, используемые при разработке эмпирических уравнений

C₊,

H₂S,

N₂,

CO₂,

C₁,

C₂,

C₃,

C₄,

C₅,

C₆,

C₇,

Асф.,

Смола,

T_пласта,

Значение

уд.

мол.

мас.%

мас. %

вес

масса

Мин.

0.05

6.04

3.47

4.05

1.93

1.57

1.62

24.17

0.832

205.2

0.26

2.08

322

Макс.

3.22

0.97

11.37

51.02

14.4

9.46

6.2

4.92

4.69

73.56

0.959

368.9

15.8

18.8

433

ческих подходов. Это связано с тем, что с годами

принадлежащих региону Ближнего Востока, при

разработке и внедрению термодинамических мо-

различных температурах. Эмпирические уравне-

делей уделялось больше внимания по сравнению с

ния (1)-(3) для расчета границы области осажде-

эмпирическими моделями. Поэтому, зная важность

ния асфальтенов имеют вид [35]:

предмета, в этом исследовании граница области

осаждения асфальтенов трех образцов нефти была

оценена как функция температуры с использова-

нием термодинамической модели и эмпирическо-

го уравнения. Модель уравнения состояния (EOS)

Редлиха-Квонга-Соаве (RKSA) была реализована

(1)

с использованием широко известного программно-

го обеспечения Multiflash для нефтяной промыш-

ленности. С другой стороны, в исследовании для

моделирования APE было использовано эмпириче-

ское уравнение, предложенное Фахимом [35, 36].

Термодинамические модели обычно предполагают

большие объемы вычислений и производят оцен-

(2)

ку с использованием больших объемов данных о

составе, давлении, объеме и температуре, экспери-

ментальную точку начала осаждения и настройку

параметров модели [20, 34], в то время как эмпи-

рическая модель Фахима требует гораздо меньше-

го объема вычислений и данных по сравнению с

(3)

термодинамической моделью [35]. Наконец, были

рассмотрены точность и ограничения моделей и

проведено их сравнение с использованием стати-

где UAOP - верхнее давление начала осаждения ас-

стических показателей.

фальтенов, МПа; LAOP - нижнее давление начала

осаждения асфальтенов, МПа; BPP - давление на-

ПОДХОДЫ К МОДЕЛИРОВАНИЮ,

сыщения нефти газом, МПа; N₂, CO₂, H₂S, C₁-C₆,

ИСПОЛЬЗОВАННЫЕ

C₊ - в мольных процентах; MWC₊ - молекулярная

В ДАННОМ ИССЛЕДОВАНИИ

масса фракции гептана и более тяжелых компонен-

Эмпирические уравнения. Для оценки гра-

тов; YC₊ - удельный вес фракции гептана и более

ницы области осаждения асфальтенов Фахим [35]

тяжелых компонентов; Асф. - массовая доля ас-

фальтенов, мас. %; Смола - массовая доля смолы,

разработал очень простую эмпирическую модель.

Уравнения были разработаны с использованием

мас. %; T - температура пласта, K.

экспериментальных данных, включая давление

Свойства нефти, состав и диапазоны темпера-

начала осаждения и давление насыщения, а также

тур, использованные на этапе разработки эмпири-

состав тридцати трех образцов нефти, в основном

ческих уравнений, приведены в табл. 1 [36].

НЕФТЕХИМИЯ том 61 № 6 2021

812

SYED IMRAN ALI и др.

Таблица 2. Состав и свойства трех образцов нефти, использованных в данном исследовании

Вещество, мол. %

Образец нефти A [38]

Образец нефти C1 [39]

Образец нефти Y3 [39]

N₂

0.48

0.91

0.47

CO₂

0.92

1.57

1.59

H₂S

0.00

5.39

1.44

C₁

43.43

24.02

32.22

C₂

11.02

10.09

12.42

C₃

6.55

9.58

10.29

изо-C₄

0.79

1.83

2.03

н-C₄

3.70

4.83

4.87

изо-C₅

1.28

2.27

2.22

н-C₅

2.25

2.74

2.71

C₆

2.70

4.77

4.12

C⁺⁷

26.88

25.62

Всего

100

Модель уравнения состояния (EOS) Редлиха-

компонент молярной доли, газовую постоянную,

Квонга-Соаве (RKSA). Данную модель исполь-

ацентрический фактор и бинарное взаимодействие

зовали совместно с программным обеспечением

между компонентами i и j. Основные этапы рабо-

Multiflash от компании KBC Advanced Technology

ты программного обеспечения включают: (i) ввод

Ltd для оценки давления начала осаждения асфаль-

данных о составе, разделение состава и перегруп-

тенов. Модель RKSA EOS была предложена Соаве

пировку данных; (ii) выбор модели; (iii) ввод экс-

и описана уравнениями (4)-(10) [37]:

периментальных данных и (iv) построение фазовой

диаграммы [23].

NRT

(4)

V -b V

(

V +b

)

ОЦЕНКА КАЧЕСТВА

ИСПОЛЬЗУЕМЫХ МОДЕЛЕЙ

(5)

Качество моделей оценивалось с использова-

нием трех статистических показателей, а именно

средней относительной ошибки (ARE), макси-

∑

i i

(6)

мальной ошибки (Max Err) и минимальной ошибки

(Min Err). Эти параметры можно рассчитать с по-

мощью уравнений (11)-(13):

(7)

{

1+K

[1−

(

/ T

)]}

ARE

P -P

(11)

∑

(

exp

mod

)

exp

−C

(8)

Max Err = max

-P

(12)

exp

mod

0.08664

(9)

Min Err = min

−P

(13)

exp

mod

(10)

где P_exp - значение переменной, определенное экс-

- значение, рас-

периментальным методом; P_mod

где P_ci, T_ci, n_ij, R, W и K_ij представляют, соответ-

считанное с помощью эмпирического уравнения

ственно, критическое давление, температуру,

или модели EOS; N - количество наблюдений.

НЕФТЕХИМИЯ том 61 № 6 2021

ПРОГНОЗИРОВАНИЕ ГР

АНИЦЫ ОБЛАСТИ ОСАЖДЕНИЯ АСФАЛЬТЕНОВ

813

Таблица 3. Свойства трех образцов нефти, использованных в данном исследовании

Образец нефти A

Образец нефти C1

Образец нефти Y3

Параметры

[38]

[39]

Мол. масса (M_w) C⁺⁷

228.07

334.66

284.36

Удельный вес C⁺⁷, кг/м³

0.865

0.882

0.804

Насыщенные углеводороды, мас. %

68.30

54.76

55.14

Ароматические углеводороды, мас. %

11.60

28.89

30.73

Смолы, мас. %

18.80

12.66

10.88

Асфальтены, мас. %

1.30

3.8

3.25

Температура пласта, °F

240

247.73

278.33

Давление в пласте, psia (фунт/дюйм², абс.)

13000

8006.08

6193.11

Таблица 4. Экспериментально определенные UAOP, BPP и LAOP трех образцов нефти, использованных в данном

исследовании

Образец нефти A [38]

Образец нефти C1 [39]

Образец нефти Y3 [39]

Показатели,

температура, °F

psia

210

220

230

240

284

248

194

167

284

248

177.8

143.6

UAOP

6858.1

6591

6422.7

6228.3

5005.2

5227.8

5509.2

5598.7

5398

6007.3

6883.9

8705

ВPP

3223

3285.4

3278.1

3291.1

2691.9

2480

2377.4

2027.4

2940.4

2849.5

2619.9

2435.0

LAOP

1689.1

1808.1

1892.3

1960.5

ДАННЫЕ ОБРАЗЦОВ НЕФТИ,

отметить, что данные о составе образца нефти А,

ИСПОЛЬЗУЕМЫХ В ИССЛЕДОВАНИИ

использованные в этом исследовании, находятся в

В настоящем исследовании рассматриваются

диапазоне переменных (табл. 1), применяемых для

три образца нефти [38, 39]. Подробная информация

разработки эмпирической модели. Это может быть

о составе и свойствах образцов нефти представле-

подтверждением того, что в данном случае эмпири-

на в табл. 2 и 3, соответственно. Информация о

ческая модель дает достаточно точные результаты.

границе области осаждения асфальтенов (APE),

полученная экспериментально для всех образцов

нефти, представлена в табл. 4.

РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ

Образец нефти А. На рис. 2 представлена диа-

грамма APE образца нефти A, полученная из урав-

нения состояния, а в табл. 5 показаны результаты,

спрогнозированные обеими применяемыми моде-

лями. Согласно табл. 5, эмпирическая модель дает

гораздо более точные результаты для UAOP, BPP

и LAOP по сравнению с моделью EOS. Это выте-

кает из низких значений ARE, Max Err и Min Err,

оцененных для эмпирической модели в сравнении

с моделью EOS, как показано в табл. 6 и 7. С точ-

ки зрения ARE, точности обеих моделей в прогно-

Рис. 2. Граница области осаждения асфальтенов (APE)

зировании UAOP, BPP и LAOP располагаются в

нефти A, рассчитанная с использованием уравнения

следующем порядке: UAOP>BPP>LAOP. Важно

состояния.

НЕФТЕХИМИЯ том 61 № 6 2021

814

SYED IMRAN ALI и др.

Таблица 5. Значения UAOP, BPP и LAOP, psia, полученные с помощью экспериментального метода (Exp),

эмпирического уравнения (Emp) и уравнения состояния (EOS) для трех образцов нефти

UAOP

BPP

LAOP

Образец

Т, °F

Exp

Emp

EOS

Exp

Emp

EOS

Exp

Emp

EOS

210

6858.1

6721.3

5690.5

3223

3180.1

3830.9

1689.1

1726.8

3267.7

Образец

220

6591

6627.8

5486.8

3285.4

3204.0

3874.7

1808.1

1758.0

3372.3

нефти A

230

6422.7

6542.8

5292.3

3278.1

3227.8

3915.9

1892.3

1784.8

3474.9

240

6228.3

6466.5

5211.0

3291.1

3251.7

3954.3

1960.5

1807.4

3575.4

284

5005.2

-1247.2

4201.2

2691.9

1664

2698.1

-3131.7

2117.5

248

5227.8

-1068.2

4338.5

2480

1578.1

2536.1

-3168.4

1995.6

Образец

194

5509.2

-591.1

3286.4

2377.4

1449.3

2258.2

-3323.3

2150.9

нефти C1

Без

167

5598.7

-259.1

2269.4

2027.4

1384.9

2102.6

-3451.2

осадков

284

5398

625.3

5724.9

2940.4

2981.2

2706.5

3463.8

1659.6

Образец

248

6607.3

804.2

5973.1

2849.5

2895.3

2550

3427.1

1478.6

нефти Y3

177.8

6883.9

1473.1

5285.0

2619.9

2727.9

2174.4

3199.8

1309.6

143.6

8705

1951.1

4373.3

2435.0

2646.3

1959.6

3003.2

1303.7

Образец нефти C1. На рис. 3 и в табл. 5 по-

значения BPP при разных температурах. Эти не-

казана граница области осаждения асфальтенов

однозначные значения возникают из-за высокого

и результаты, полученные для образца нефти C1

содержания H₂S в нефти C1, так как член, содер-

с использованием двух моделей, соответственно.

жащий мольную долю H₂S, имеет отрицательный

Из табл. 5 видно, что эмпирическая модель дает

коэффициент в эмпирических уравнениях. Кроме

отрицательные значения UAOP и LAOP и низкие

того, снова обращаясь к табл. 1, можно заметить,

что содержание H₂S выходит за пределы диапазона

данных эмпирической модели. Сравнивая данные в

табл. 6 и 7, можно сказать, что в этом случае модель

EOS полностью превзошла эмпирическую модель.

Образец нефти Y3. На рис. 4 и в табл. 5 показа-

ны результаты, полученные для образца нефти Y3.

Согласно табл. 5 эмпирическая модель недооцени-

вает UAOP, потому что, во-первых, эта нефть име-

ет очень низкий удельный вес и, во-вторых, она не

попадает в диапазон данных эмпирической модели

(табл. 1). В табл. 6 и 7 показаны статистические

характеристики обеих моделей применительно к

образцу нефти Y3. Видно, что UAOP более прием-

лемо прогнозируется моделью EOS, чем эмпири-

ческой моделью. С другой стороны, эмпирическая

модель показывает более высокую точность оцен-

Рис. 3. Граница области осаждения асфальтенов (APE)

ки BPP, чем модель EOS. Это связано с наличием

образца нефти C1, рассчитанная с использованием урав-

низкого значения коэффициента в члене, учиты-

нения состояния.

вающем удельный вес, что незначительно влияет

НЕФТЕХИМИЯ том 61 № 6 2021

ПРОГНОЗИРОВАНИЕ ГР

АНИЦЫ ОБЛАСТИ ОСАЖДЕНИЯ АСФАЛЬТЕНОВ

815

Таблица 6. Статистическая характеристика эмпирической модели

Образец нефти A

Образец нефти C1

Образец нефти Y3

Показатель

UAOP

BPP

LAOP

UAOP

BPP

LAOP

UAOP

BPP

LAOP

ARE

0.02

0.016

0.046

0.36

0.83

0.039

Макс. ошибка

0.038

0.024

0.078

0.39

0.88

0.086

Мин. ошибка

0.005

0.011

0.02

0.31

0.77

0.013

Таблица 7. Статистическая характеристика уравнения состояния

Образец нефти A

Образец нефти C1

Образец нефти Y3

Показатель

UAOP

BPP

LAOP

UAOP

BPP

LAOP

UAOP

BPP

LAOP

ARE

0.16

0.19

0.86

0.33

0.028

0.22

0.13

Макс. ошибка

0.17

0.2

0.94

0.59

0.05

0.49

0.19

Мин. ошибка

0.16

0.17

0.83

0.16

0.002

0.06

0.07

на результаты определения BPP. Кроме того, по-

зировать значения APE из-за высокого содержания

лученные из эмпирического уравнения значения

H₂S в образце нефти и дала отрицательные значе-

LAOP оказались более высокими, даже выше, чем

ния UAOP и LAOP, аналогичные тем, которые были

значения UAOP. Это происходит потому, что эмпи-

получены с ее использованием для образца нефти

рическое уравнение LAOP имеет более высокий

C1. Для образца нефти из скважины D [18] были

отрицательный коэффициент в члене, учитываю-

щем удельный вес. Следовательно, низкое значе-

оценены значения UAOP, BPP и LAOP. Значения

ние удельного веса вызывает меньшее снижение

значения LAOP. Статистические характеристики

моделей для LAOP не исследуются, поскольку от-

сутствуют его экспериментальные данные.

Для дальнейшего исследования результатов

эмпирической модели используются данные еще

четырех образцов нефти из [18, 40, 41]. Состав

и свойства этих образцов нефти представлены в

табл. 8. Результаты экспериментального и эмпири-

ческого моделирования приведены в табл. 9, из ко-

торой видно, что образец нефти в работе [40] имеет

низкий удельный вес (ниже диапазона разработки

эмпирической модели), из-за чего наблюдается та-

кое же его поведение, что и у образца нефти Y3.

Хотя для BPP получены соответствующие значе-

ния, значения LAOP оказались выше, чем значения

UAOP, что невозможно. Согласно результатам ис-

Рис. 4. Граница области осаждения асфальтенов (APE)

следования образца нефти из скважины 25 [41], эм-

образца нефти Y3, рассчитанная с использованием урав-

нения состояния.

пирическая модель не смогла полностью спрогно-

НЕФТЕХИМИЯ том 61 № 6 2021

816

SYED IMRAN ALI и др.

Таблица 8. Состав и свойства образцов нефти из различных скважин, мол. %

Образец нефти из

Компонент

Образец нефти [40]

скважины 25 [41]

скважины D [18]

скважины A [18]

H₂S

0.37

9.81

0.00

1.63

N₂

0.07

0.30

0.13

0.16

CO₂

1.44

3.19

0.96

1.78

C₁

50.68

28.95

35.72

21.34

C₂

9.26

7.89

8.91

9.51

C₃

6.11

6.27

6.75

8.13

C₄

4.08

5.10

5.39

6.05

C₅

2.21

3.90

4.27

4.78

C₆

2.82

4.07

3.63

4.19

C₇+

22.95^a

30.50

34.24

42.43

Всего

100.00

100.0

Свойства образцов нефти

C⁺⁷ (плотность, γ)

0.74^a

0.8518

0.845

0.855

C⁺⁷ (мол. масса,

250.94^a

209

204.6

222

MW)

Асф., мас. %

0.9

0.59

0.1

3.63

Смола, мас. %

5.1

7.72

6.48

^a Рассчитано по формуле [42].

XC+ =∑

7,8,…,n;

MWC

=∑X

7,8,…,n;

BPP прогнозируются данной моделью с достаточно

мнения относительно надежности модели даже для

хорошей точностью, а вот значения UAOP и LAOP

тех данных, к которым она применима.

являются заниженными. Похоже, что причиной

Таким образом, в данном исследовании было

более низких значений UAOP и LAOP могут быть

обнаружено, что эмпирические уравнения недей-

чуть более низкие значения молекулярной массы

ствительны для образцов нефти, переменные ко-

C₊ и асфальтенов, а также выход за пределы диа-

торых выходят за пределы диапазона переменных,

пазона параметров разработки модели. Наконец, по

используемых при разработке эмпирических урав-

последнему образцу нефти из скважины А [18]: все

нений. Удивительно, но когда используются образ-

параметры, характеризующие состав и свойства

цы нефти, имеющие переменные в пределах диа-

нефти, находятся в пределах диапазона параметров

пазона применимости, эмпирические уравнения в

разработки модели. Для этого образца нефти эмпи-

некоторых случаях позволяют получить высоко-

рическая модель спрогнозировала значение UAOP

точные результаты, даже лучше, чем модель EOS,

с превосходной точностью, но, что интересно, зна-

но в некоторых случаях дают абсолютно неприем-

чение BPP оказалось в этом случае ниже значения

лемые данные. Следовательно, данное наблюдение

LAOP, что невозможно. Возможная причина этого

явно вызывает вопросы о надежности использо-

несоответствия - высокое содержание C₊. Этот вы-

вания эмпирических уравнений для прогнозиро-

вод очень важен, потому что он может вызвать со-

вания APE. В качестве альтернативы, по модели

НЕФТЕХИМИЯ том 61 № 6 2021

ПРОГНОЗИРОВАНИЕ ГР

АНИЦЫ ОБЛАСТИ ОСАЖДЕНИЯ АСФАЛЬТЕНОВ

817

Таблица 9. Результаты экспериментального и эмпирического моделирования APE для образцов нефти из различных

скважин

Экспериментальные результаты

Образец нефти

Параметр

Образец нефти [40]

из скважины

25 [41]

D [18]

A [18]

T, °F

274.73

195.53

154.13

114.53

245

220

150

Exp. UAOP, psia

7498.45

7193.87

7005.32

6802.27

Нет данных

7491.19

3392.43

Exp. BPP, psia

3727.47

3408.38

3190.83

2900.75

16.97

2546.86

Exp. LAOP, psia

Результаты применения эмпирической модели

Образец нефти

Параметр

Образец нефти [40]

из скважины

25 [41]

D [18]

A [18]

T, °F

274.73

195.53

154.13

114.53

245

220

150

Emp. UAOP, psia

2867.3

3470.75

4000.14

4641.21

-1446.026

4839.90

3441.74

Emp. BPP, psia

4238.00

2619.38

2520.75

2425.03

587.4028

2404.72

1150.14

Emp. LAOP, psia

7855.24

7675.39

7466.54

7182.26

-10690.73

285.72

2182.81

EOS были получены приемлемые результаты опре-

СПИСОК ЛИТЕРАТУРЫ

деления границы области осаждения асфальтенов

1. Ashoori S., Sharifi M., Masoumi M., Salehi M.M. The

для всех образцов нефти, использованных в этом

relationship between SARA fractions and crude oil sta-

исследовании, что означает, что модель EOS при-

bility // Egypt. J. Pet. 2017. V. 26. P. 209-213. https://

менима для более разнообразного набора данных.

doi.org/10.1016/j.ejpe.2016.04.002

2. Fakher S., Ahdaya M., Elturki M., Imqam A., Critical

review of asphaltene properties and factors impacting

ИНФОРМАЦИЯ ОБ АВТОРАХ

its stability in crude oil // J. Petrol. Explor. Prod. Tech-

Syed Imran Ali, ORCID: https://orcid.org/0000-

nol. 2020. V. 10. P. 1183-1200. https://doi.org/10.1007/

0003-0133-9455

s13202-019-00811-5

3. Boussingault J.B. Mémoire sur l’influence des défriche-

Javed Haneef, ORCID: https://orcid.org/0000-

ments dans la diminution des cours d’eau // Ann. Chim.

0001-8901-2267

1837. V. 64. P. 113-141.

Syed Talha Tirmizi, ORCID: https://orcid.org/0000-

4. Dehaghani A.H.S., Badizad M.H. Inhibiting asphaltene

0003-0721-8400

precipitation from Iranian crude oil using various dis-

persants: Experimental investigation through viscometry

Shaine Mohammadali Lalji, ORCID: https://orcid.

and thermodynamic modelling // Fluid Phase Equilibria.

org/0000-0002-0253-8248

2017. V. 442. P. 104-118. https://doi.org/10.1016/j.flu-

Anas Nabil Sallam Hezam, ORCID: https://orcid.

id.2017.03.020

org/0000-0002-6403-8361

5. Gharbi K., Benyounes K., Khodja M. Removal and pre-

vention of asphaltene deposition during oil production:

A literature review // J. Pet. Sci. Eng. 2017. V. 158.

КОНФЛИКТ ИНТЕРЕСОВ

P. 351-360. https://doi.org/10.1016/j.petrol.2017.08.062

Авторы заявляют об отсутствии конфликта

6. Alimohammadi S., Zendehboudi S., James L. A com-

интересов, требующих раскрытия в данной статье.

prehensive review of asphaltene deposition in petro-

НЕФТЕХИМИЯ том 61 № 6 2021

818

SYED IMRAN ALI и др.

leum reservoirs: Theory, challenges, and tips // Fuel.

constrained for light and heavy crude oils // J. Dispers.

2019. V. 252.P. 753-791. https://doi.org/10.1016/j.fu-

Sci. Technol. 2015. V. 36. P. 103-110. https://doi.org/

el.2019.03.016

10.1080/01932691.2014.881261

Melendez-Alvarez A.A., Garcia-Bermudes M., Tavak-

18.

Yonebayashi H., Urasaki D., Uetani T. Contribution

koli M., Doherty R.H., Meng S., Abdallah D.S.,

from laboratory to field: Case studies of asphaltene

Vargas F.M. On the evaluation of the performance of

precipitation risk evaluation // Energy Fuels. 2017.

asphaltene dispersants // Fuel. 2016. V. 179. P. 210-220.

V. 31. P. 3358-3369. https://doi.org/10.1021/

https://doi.org/10.1016/j.fuel.2016.03.056

acs.energyfuels.6b02152

Shoukry A.E., El-Banbi A.H., Sayyouh H. Enhancing

19.

Yonebayashi H., Miyagawa Y., Ikarashi M., Watanabe T.,

asphaltene precipitation modeling by cubic-PR solid

Maeda H., Yazawa N. Determination of asphaltene-onset

model using thermodynamic correlations and averaging

pressure using multiple techniques in parallel // SPE

techniques // Pet. Sci. 2020. V. 17. P. 232-241. https://

Prod. & Oper. 2018. V. 33. P. 486-497. https://doi.

doi.org/10.1007/s12182-019-00377-1

org/10.2118/181278-PA

Tabzar A., Fathinasab M., Salehi A., Bahrami B., Mo-

20.

Subramanian S., Simon S., Sjöblom J. Asphaltene pre-

hammadi A.H. Multiphase flow modeling of asphaltene

cipitation models: A review // J. Dispers. Sci. Technol.

precipitation and deposition // Oil Gas Sci. Technol. -

2016. V. 37. P. 1027-1049. https://doi.org/10.1080/

Rev. IFP Energies nouvelles. 2018. V. 73. Art. № 51.

01932691.2015.1065418

17 p. https://doi.org/10.2516/ogst/2018039

21.

Flory P.J. Thermodynamics of high polymer solutions //

10.

Akbarzadeh K., Hammami A., Kharrat A., Zhang D.,

J. Chem. Phys. 1942. V. 10. P. 51-61. https://doi.

Allenson S., Creek J., Kabir S., Jamaluddin A., Mar-

org/10.1063/1.1723621

shall A.G., Rodgers R.P., Mullins O.C., Solbakken T.

22.

Hirscberg A., DeJong L.N.J., Schipper B.A., Meijer J.G.

Multiphase flow modeling of asphaltene precipitation

Influence of temperature and pressure on asphaltene

and deposition // Oilfield Review. 2007. V. 19. P. 22-43.

flocculation // SPE J. 1984. V. 24. P. 283-293. https://

11.

Mullins O.C., Sheu E.Y., Hammami A., Marshall A.G.

doi.org/10.2118/11202-PA

Asphaltenes, heavy oils, and petroleomics. New York:

23.

Zendehboudi S., Shafiei A., Bahadori A., James L.A.,

Springer, 2007. https://doi.org/10.1007/0-387-68903-6

Elkamel A., Lohi A. Asphaltene precipitation and depo-

12.

Abutaqiya M.I.L., Sisco C.J., Vargas F.M. A Linear Ex-

sition in oil reservoirs-Technical aspects, experimental

trapolation of Normalized Cohesive Energy (LENCE)

and hybrid neural network predictive tools // Chem.

for fast and accurate prediction of the asphaltene

Eng. Res. Des. 2014. V. 92. P. 857-875. https://doi.

onset pressure // Fluid Phase Equilibria. 2019. V. 483.

org/10.1016/j.cherd.2013.08.001

P. 52-69. https://doi.org/10.1016/j.fluid.2018.10.025

24.

Burke N.E., Hobbs R.D., Kashou S.F. Measure-

13.

Hammami A., Phelps C.H., Monger-McClure T.,

ment and modeling of asphaltene precipitation // J.

Little T.M. Asphaltene precipitation from live oils: An

Pet. Technol. 1990. V. 42. P. 1440-1446. https://doi.

experimental investigation of onset conditions and re-

org/10.2118/18273-PA

versibility // Energy Fuels. 2000. V. 14. P. 14-18. https://

25.

Novosad Z., Costain T.G. Experimental and modeling

doi.org/10.1021/ef990104z

studies of asphaltene equilibria for a reservoir under

14.

Karan K., Hammami A., Flannery M., Stankiewicz B.A.

CO₂ injection. In: 65th SPE Ann. Tech. Conf. and Exh.

Evaluation of asphaltene instability and a chemical con-

23-28 September New Orleans. LA. 1990. https://doi.

trol during production of live oils // Petrol. Sci. Tech.

org/10.2118/20530-MS

2003. V. 21. P. 629-645. https://doi.org/10.1081/LFT-

26.

Kokal S.L., Najman J., Sayegh S.G., George A.E. Mea-

120018543

15.

Soleymanzadeh A., Yousefi M., Kord S., Mohammad-

surement and correlation of asphaltene precipitation from

zadeh O. A review on methods of determining onset of

heavy oils by gas injection // J. Can. Pet. Technol. 1992.

V. 31. № 04. Paper Number: PETSOC-92-04-01. https://

asphaltene precipitation // J. Petrol. Explor. Prod. Tech-

nol. 2019. V. 9. P. 1375-1396. https://doi.org/10.1007/

doi.org/10.2118/92-04-01

s13202-018-0533-5

27.

Leontaritis K.J., Mansoori G.A. Asphaltene flocculation

16.

Firoozinia H., Abad K.F.H., Varamesh A. A comprehen-

during oil production and processing: A thermodynamic

sive experimental evaluation of asphaltene dispersants

colloidal model. In: Paper SPE # 16258 presented at

for injection under reservoir conditions // Pet. Sci. 2016.

the SPE Int. Symp. Oil field Chem., 4-5th February

V. 13. P. 280-291. https://doi.org/10.1007/s12182-016-

1987, San Antonio, Texas, USA (1987). https://doi.

0078-5

org/10.2118/16258-MS

17.

Dolati S., Zarei H., Kharrat R. Asphaltene instability

28.

Victorov A.I., Firoozabadi A. Thermodynamic micelli-

trends to predict asphaltene precipitation onset pressure:

zatin model of asphaltene precipitation from petroleum

НЕФТЕХИМИЯ том 61 № 6 2021

ПРОГНОЗИРОВАНИЕ ГР

АНИЦЫ ОБЛАСТИ ОСАЖДЕНИЯ АСФАЛЬТЕНОВ

819

fluids // AIChE J. 1996. V. 42. P. 1753-1764. https://doi.

36.

Fahim M.A. Empirical equations for estimating ADE of

org/10.1002/aic.690420626

crude oils // Pet. Sci. Technol. 2007. V. 25. P. 949-965.

29.

Ameli F., Hemmati-Sarapardeh A., Dabir B., Moham-

https://doi.org/10.1080/10916460500526981

madi A.H. Determination of asphaltene precipitation

37.

Ahmadi Y., Aminshahidy B. Effects of hydrophobic CaO

conditions during natural depletion of oil reservoirs: A

and SiO₂ nanoparticles on Asphaltene Precipitation

robust compositional approach // Fluid Phase Equilib-

Envelope (APE): аn experimental and modeling ap-

ria. 2016. V. 412. P. 235-248. https://doi.org/10.1016/j.

proach // Oil Gas Sci. Technol. - Revue IFP Energies

fluid.2015.11.013

nouvelles. 2018. V. 73. Art. № 56. 11 p. https://doi.

30.

Mohebbinia S., Sepehrnoori K., Johns R.T., Kor-

org/10.2516/ogst/2018052

rani A.K.N. Simulation of asphaltene precipitation during

38.

Abedini A., Abedini R. Investigation of splitting and

gas injection using PC-SAFT EOS // J. Pet. Sci. Eng.

lumping of oil composition on the simulation of asphal-

2017. V. 158. P. 693-706. https://doi.org/10.1016/j.pet-

tene precipitation, Pet. Sci. Technol. 2012. V. 30. P. 1-8.

rol.2017.09.008

https://doi.org/10.1080/10916461003735137

31.

Nghiem L.X., Coombe D.A., Ali S.F. Compositional

39.

Buenrostro-Gonzalez E., Lira-Galeana C., Gil-Villegas A.,

simulation of asphaltene deposition and plugging. In:

Wu J. Asphaltene precipitation in crude oils: Theory

SPE Annual Technical Conf., 1998. Paper № SPE-

and experiments // AIChE J. 2004. V. 50. P. 2552-2570.

48996-MS. https://doi.org/10.2118/48996-MS

https://doi.org/10.1002/aic.10243

32.

Chapman W.G., Gubbins K.E., Jackson G., Radosz M.

40.

Mohammadi S., Rashidi F., Mousavi-Dehghani S.A.,

SAFT: Equation-of-state solution model for associating

Ghazanfari M.H. On the effect of temperature on precip-

fluids // Fluid Phase Equilibria. 1989. V. 52. P. 31-38.

itation and aggregation of asphaltenes in light live oils //

https://doi.org/10.1016/0378-3812(89)80308-5

Can. J. Chem. Eng. 2016. V. 94. P. 1820-1829. https://

33.

Chapman W.G., Sauer S.G., Ting D., Ghosh A. Phase

doi.org/10.1002/cjce.22555

behavior applications of SAFT based equations of state-

41.

Yonebayashi H., Masuzawa T., Dabbouk C., Urasaki D.

from associating fluids to polydisperse, polar copoly-

Ready for gas injection: Asphaltene risk evaluation by

mers // Fluid Phase Equilibria. 2004. V. 217. P. 137-143.

mathematical modeling of Asphaltene Precipitation En-

https://doi.org/10.1016/j.fluid.2003.05.001

velope (APE) with integration of all laboratory deliver-

34.

Mahmoudvand S., Shahsavani B., Parsaei R.,

Malayeri M.R. Prediction of asphaltene precipitation up-

ables // In: SPE/EAGE Reservoir Characterization and

on injection of various gases at near-wellbore conditions:

Simulation Conference held on Abu Dhabi UAE 19-21

A simulation study using PC-SAFT EOS // Oil Gas Sci.

October. 2009. https://doi.org/10.2118/125643-MS

Technol. - Rev. IFP Energies nouvelles. 2019. V. 74.

42.

Silva N.A.E., da R. Oliveira V.R., Souza M.M.S.,

Art. № 63. 11 p. https://doi.org/10.2516/ogst/2019037

Guerrieri Y., Costa G.M.N. New method to detect as-

35.

Fahim M.A. Prediction of asphaltene precipitation from

phaltene precipitation onset induced by CO₂ injection //

empirical models // Pet. Sci. Technol. 2007. V. 25.

Fluid Phase Equilibria. 2014. V. 362. P. 355-364. https://

P. 1605-1612. https://doi.org/10.1080/10916460600695504

doi.org/10.1016/j.fluid.2013.10.053

НЕФТЕХИМИЯ том 61 № 6 2021