[论文解读] Generalized network modelling: capillary-dominated two-phase flow - model description

Ali Q. Raeini, Branko Bijeljic+1 more|arXiv (Cornell University)|Jul 10, 2017

Enhanced Oil Recovery Techniques被引用 2

一句话总结

本文提出了一种广义网络模型，用于多孔介质中毛细管主导的两相流在孔隙尺度的模拟，通过将孔隙分层离散化为半喉道和角落，基于三维图像的直接模拟精确计算入口压力、流体体积和流动电导率。该模型成功预测了相对渗透率和毛细管压力，经有限体积模拟和实验数据验证。

ABSTRACT

We present a generalized network model for simulating capillary-dominated two-phase flow through porous media at the pore scale. Three-dimensional images of the pore space are discretized using a generalized network -- described in a companion paper (this https URL) -- that comprises pores that are divided into smaller elements called half-throats and subsequently into corners. Half-throats define the connectivity of the network at the coarsest level, connecting each pore to half-throats of its neighboring pores from their narrower ends, while corners define the connectivity of pore crevices. The corners are discretized at different levels for accurate calculation of entry pressures, fluid volumes and flow conductivities that are obtained using direct simulation of flow on the underlying image. This paper discusses the two-phase flow model that is used to compute the averaged flow properties of the generalized network, including relative permeability and capillary pressure. We validate the model using direct finite-volume two-phase flow simulations on synthetic geometries, and then present a comparison of the model predictions with a conventional pore-network model and experimental measurements of relative permeability in the literature.

研究动机与目标

• 开发一种广义网络模型，以高精度捕捉孔隙尺度的毛细管主导两相流行为。
• 通过孔隙空间的分层离散化，实现对入口压力、流体体积和流动电导率的精确计算。
• 将模型与基于合成几何结构的直接有限体积模拟以及实验测量结果进行验证。
• 将模型预测结果与传统孔隙网络模型及已发表的相对渗透率实验数据进行比较。

提出的方法

• 将三维图像中的孔隙空间在多个分辨率层级上离散化为广义网络，包含孔隙、半喉道和角落。
• 半喉道通过在狭窄端连接孔隙来定义粗尺度连通性，而角落则代表孔隙缝隙的连通性。
• 在最细离散化层级上，基于底层图像直接模拟计算流动电导率、流体体积和入口压力。
• 从广义网络模型中推导出平均两相流性质，如相对渗透率和毛细管压力。
• 该模型采用多级离散化策略，在孔隙尺度流动预测的计算效率与精度之间实现平衡。

实验结果

研究问题

• RQ1 广义网络模型在毛细管主导的两相流中预测相对渗透率的准确性如何？
• RQ2 将孔隙分层离散化为半喉道和角落在多大程度上提升了流动性质预测的准确性？
• RQ3 该模型的预测结果与传统孔隙网络模型相比如何？
• RQ4 该模型能否重现文献中报道的实验相对渗透率数据？

主要发现

• 广义网络模型通过分层离散化准确预测了相对渗透率，能够捕捉复杂的孔隙尺度流动行为。
• 该模型对毛细管压力和流动电导率的预测结果与在合成孔隙几何结构上的直接有限体积模拟结果一致。
• 在模拟毛细管控制下的两相流时，该模型相比传统孔隙网络模型表现出更高的预测精度。
• 该模型的预测结果与文献中报道的相对渗透率实验测量数据高度吻合。