【流体学】基于成分方法对沿井的流体流动和压力剖面Matlab仿真

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

在石油天然气开采、地热开发、煤层气利用等能源工程领域，沿井（井筒）的流体流动状态与压力分布是决定开采效率、设备安全与产能评估的核心因素。以石油开采为例，井筒作为地面与地下储层的唯一连接通道，流体（原油、天然气、地层水）在沿井流动过程中，会因温度变化、压力梯度、多相流态转换等因素产生复杂的流动行为 —— 若压力剖面计算偏差超过 5%，可能导致井口压力控制失效，引发井喷风险；若流体流动状态判断错误，会造成抽油泵选型不当，使开采效率降低 20% 以上。因此，精准描述沿井流体流动规律与压力剖面特征，成为能源工程设计与运维的关键技术支撑。

当前，沿井流体流动与压力分析的主流方法主要分为经验公式法、数值模拟法与简化理论模型法。经验公式法（如 Beggs-Brill correlations、Hagedorn-Brown 模型）依赖实验数据拟合，仅适用于特定工况（如低粘度原油、单相流），对高含气、高粘度流体的适应性差；数值模拟法（如有限元法、有限差分法）虽能处理复杂多相流问题，但计算量大、耗时久，难以满足现场实时决策需求；简化理论模型法（如均相流模型、分离流模型）忽略了流体成分（如油气水比例、组分浓度）对流动特性的影响，导致压力剖面预测误差常超过 10%。

为突破上述技术瓶颈，本文引入成分方法（Component Method） —— 通过精准表征流体的分子成分与相态变化，结合热力学方程与流体力学守恒定律，构建沿井流体流动与压力剖面的耦合计算模型。该方法既能捕捉流体成分对粘度、密度、相间作用力的影响，又能实现流动与压力的动态耦合分析，显著提升复杂工况下沿井流动与压力预测的精度，为能源工程的高效安全开采提供科学工具。

⛳️ 运行结果

📣 部分代码

ating gas molar volume to obtain its z factor

eqn_g = @(vg) -P*vg^3 + (R*T-P*b)*vg^2 ...

    + (2*b*R*T - a + 3*P*b^2)*vg ...

    - P*b^3 - R*T*b^2 + a*b;

Vg = fsolve(eqn_g, 3, optimoptions('fsolve','Display','off'));

Zg = P*Vg/R/T;

%% 4. Calculating component Fugacity in gas phase 

A = a.*P./((R.*T).^2);

B = b.*P./(R.*T);

phi_G = 0;

for i = 1:7

    sigma = 0; Bi = b_vector(i)*P/R/T;

    for j = 1:7

        sigma =  sigma + y(j)*(1-BIP(i,j))*(a_vector(i)*a_vector(j))^0.5;

    end

    phi_G(i) = exp(Bi./B*(Zg-1)-log(Zg-B)+A./(B.*(-2*sqrt(2))).* ...

        (Bi./B-2/a*sigma)*log((Zg+(1-sqrt(2)).*B)./(Zg+(1+sqrt(2)).*B)));

end

fg = phi_G.*y.*P;

%% 5. PR EOS For Liquid phase

%%%%%%%%%%%%%% Liquid %%%%%%%%%%%%%

bl = sum(x.*b_vector);

% a for liquid phase

al = 0;        

Sum = 0;

for i = 1:length(Z)

    for j = 1:length(Z)

        Sum = x(i)*x(j)*((a_vector(i)*a_vector(j))^0.5)*(1-BIP(i,j));

        al = Sum + al;

    end

end

% Calculating liquid molar volume to obtain its z factor

eqn_l = @(vl) -P*vl^3 + (R*T-P*bl)*vl^2 ...

    + (2*bl*R*T - al + 3*P*bl^2)*vl ...

    - P*bl^3 - R*T*bl^2 + al*bl;

Vl = fsolve(eqn_l, .1, optimoptions('fsolve','Display','off'));

Zl = P*Vl/R/T;

%% 6. Calculating component Fugacity in liquid phase 

A = al.*P./((R.*T).^2);

B = bl.*P./(R.*T);

phi_L = 0;

for i = 1:7

    sigma = 0; Bi = b_vector(i)*P/R/T;

    for j = 1:7

        sigma =  sigma + x(j)*(1-BIP(i,j))*(a_vector(i)*a_vector(j))^0.5;

    end

    phi_L(i) = exp(Bi./B*(Zl-1)-log(Zl-B)+A./(B.*(-2*sqrt(2))).* ...

        (Bi./B-2/al*sigma)*log((Zl+(1-sqrt(2)).*B)./(Zl+(1+sqrt(2)).*B)));

end

fl = phi_L.*x.*P;

%% 7. Determining Error Criteria and Calculating the New K

err1 = sum((1 - fl./fg).^2);

K = K.*(fl./fg);

iter = iter + 1;

end

nV = beta;

nL = 1-beta;

gasMW = sum(y.*MW);

liqMW = sum(x.*MW);

end

🔗 参考文献

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码