CN105683332B - 浓度确定方法和系统 - Google Patents
浓度确定方法和系统 Download PDFInfo
- Publication number
- CN105683332B CN105683332B CN201480054323.7A CN201480054323A CN105683332B CN 105683332 B CN105683332 B CN 105683332B CN 201480054323 A CN201480054323 A CN 201480054323A CN 105683332 B CN105683332 B CN 105683332B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- absorption spectrum
- scale inhibition
- inhibition polymer
- polymer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001228 spectrum Methods 0.000 claims abstract description 238
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 155
- 230000005764 inhibitory process Effects 0.000 claims abstract description 150
- 229920000642 polymer Polymers 0.000 claims abstract description 146
- 239000012530 fluid Substances 0.000 claims abstract description 79
- 238000002835 absorbance Methods 0.000 claims abstract description 46
- 239000000126 substance Substances 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims abstract description 32
- 238000010828 elution Methods 0.000 claims abstract description 27
- 238000002372 labelling Methods 0.000 claims abstract description 20
- 238000004587 chromatography analysis Methods 0.000 claims abstract description 19
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 11
- 238000002156 mixing Methods 0.000 claims abstract description 11
- 239000004215 Carbon black (E152) Substances 0.000 claims abstract description 6
- 229930195733 hydrocarbon Natural products 0.000 claims abstract description 6
- 150000002430 hydrocarbons Chemical class 0.000 claims abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 80
- 239000003795 chemical substances by application Substances 0.000 claims description 68
- 238000012545 processing Methods 0.000 claims description 29
- 238000010521 absorption reaction Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 16
- 238000007670 refining Methods 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 12
- 239000011435 rock Substances 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 2
- 241001269238 Data Species 0.000 abstract description 2
- 239000003112 inhibitor Substances 0.000 description 75
- 238000005227 gel permeation chromatography Methods 0.000 description 36
- 238000002211 ultraviolet spectrum Methods 0.000 description 13
- 238000002474 experimental method Methods 0.000 description 11
- 239000012071 phase Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 238000011084 recovery Methods 0.000 description 11
- 238000005755 formation reaction Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- 150000003839 salts Chemical class 0.000 description 6
- 241000208340 Araliaceae Species 0.000 description 5
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 5
- 235000003140 Panax quinquefolius Nutrition 0.000 description 5
- 235000008434 ginseng Nutrition 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 230000001376 precipitating effect Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 239000012267 brine Substances 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 150000002500 ions Chemical class 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 238000002414 normal-phase solid-phase extraction Methods 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 239000013535 sea water Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- HPALAKNZSZLMCH-UHFFFAOYSA-M sodium;chloride;hydrate Chemical compound O.[Na+].[Cl-] HPALAKNZSZLMCH-UHFFFAOYSA-M 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 102100027324 2-hydroxyacyl-CoA lyase 1 Human genes 0.000 description 1
- 235000017060 Arachis glabrata Nutrition 0.000 description 1
- 244000105624 Arachis hypogaea Species 0.000 description 1
- 235000010777 Arachis hypogaea Nutrition 0.000 description 1
- 235000018262 Arachis monticola Nutrition 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 101001009252 Homo sapiens 2-hydroxyacyl-CoA lyase 1 Proteins 0.000 description 1
- 229920005654 Sephadex Polymers 0.000 description 1
- 239000012507 Sephadex™ Substances 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229920000891 common polymer Polymers 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002242 deionisation method Methods 0.000 description 1
- 239000008367 deionised water Substances 0.000 description 1
- 229910021641 deionized water Inorganic materials 0.000 description 1
- 238000010612 desalination reaction Methods 0.000 description 1
- 238000011033 desalting Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000008398 formation water Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- AHLBNYSZXLDEJQ-FWEHEUNISA-N orlistat Chemical compound CCCCCCCCCCC[C@H](OC(=O)[C@H](CC(C)C)NC=O)C[C@@H]1OC(=O)[C@H]1CCCCCC AHLBNYSZXLDEJQ-FWEHEUNISA-N 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 235000020232 peanut Nutrition 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002002 slurry Substances 0.000 description 1
- BAZAXWOYCMUHIX-UHFFFAOYSA-M sodium perchlorate Chemical compound [Na+].[O-]Cl(=O)(=O)=O BAZAXWOYCMUHIX-UHFFFAOYSA-M 0.000 description 1
- 229910001488 sodium perchlorate Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/08—Obtaining fluid samples or testing fluids, in boreholes or wells
-
- C—CHEMISTRY; METALLURGY
- C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
- C09K—MATERIALS FOR MISCELLANEOUS APPLICATIONS, NOT PROVIDED FOR ELSEWHERE
- C09K8/00—Compositions for drilling of boreholes or wells; Compositions for treating boreholes or wells, e.g. for completion or for remedial operations
- C09K8/52—Compositions for preventing, limiting or eliminating depositions, e.g. for cleaning
- C09K8/528—Compositions for preventing, limiting or eliminating depositions, e.g. for cleaning inorganic depositions, e.g. sulfates or carbonates
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B37/00—Methods or apparatus for cleaning boreholes or wells
- E21B37/06—Methods or apparatus for cleaning boreholes or wells using chemical means for preventing or limiting, e.g. eliminating, the deposition of paraffins or like substances
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/08—Obtaining fluid samples or testing fluids, in boreholes or wells
- E21B49/087—Well testing, e.g. testing for reservoir productivity or formation parameters
- E21B49/0875—Well testing, e.g. testing for reservoir productivity or formation parameters determining specific fluid parameters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/62—Detectors specially adapted therefor
- G01N30/74—Optical detectors
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Materials Engineering (AREA)
- Organic Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Chemical & Material Sciences (AREA)
- Inorganic Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
提供了一种用于在从一个或多个多孔且可渗透的含烃岩层接收的流体中确定一种或多种阻垢聚合物浓度的计算机实现的方法和对应的系统。每种聚合物包括不同的化学标记并且该流体包括多种混合的所述阻垢聚合物。该方法包括在预确定的波长范围内接收表示混合的阻垢聚合物的所测量的吸收光谱的第一输入数据,其中在该流体的层析分离之后使用检测器测量所测量的吸收光谱;接收表示参考吸收光谱的第二输入数据,所述参考吸收光谱包括:a)在预确定的波长范围上的阻垢聚合物中的每种的吸收光谱;以及b)预期存在于该流体中在预确定的波长范围内具有吸光度值的其它化学成分的基线参考吸收光谱;将第一和第二输入数据输入到计算机程序中;以及操作计算机程序。操作计算机程序以在针对分离的洗脱时间上的多个离散时间步骤的每一个处针对每个参考吸收光谱确定导致包括第二输入数据对第一输入数据的最佳拟合线性结合的所建模的光谱的因数。针对每种阻垢聚合物,计算机程序还操作以使用对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数来确定阻垢聚合物浓度的指示。
Description
技术领域
本发明涉及用于在包括多种混合的阻垢聚合物(scale inhibiting polymer)的流体中确定一种或多种所述阻垢聚合物浓度的计算机实现的方法和系统,每种聚合物包括不同的化学标记。
背景技术
垢的形成(其可以被定义为当由于在水相系统的物理或化学环境方面的改变、超过了某些化合物的溶解度极限时,在水相系统中形成的固态沉淀物)呈现了在许多涉及水相流体的工业操作(例如,油气工业应用、矿物矿石提取、造纸和地热能量生成)中的问题。尤其是在油气工业中,在设备表面上的垢沉积可能引起阻碍或堵塞,导致在开采中的昂贵的中断和来自无法预料的压力增大的安全风险。在油气井和诸如井头(wellhead)、流出管线(flowline)或其它处理或运输设备的相关联的设备中,垢的形成主要是由于贯通在地层水(formation water)中的压力和温度改变的不稳定性以及不相容的水相流体的混合。例如,当海水被用作注入流体以驱动油通过地下地层朝向开采井时,在所注入的海水的离子含量和地层的原生水的离子含量中的不同可以导致无机盐的沉淀。在缺乏适当的处理时,沉淀的盐形成垢,其阻碍油朝向开采井的流动并且在开采设备上堆积,最终导致开采井的堵塞。类似地,沉淀的盐可以在与烃的开采、处理和运输相关联的设备上形成垢增加。
在油气工业中广泛使用阻垢剂。可以通过持续将阻垢剂注入到设备中来解决在设备表面上结垢的问题。为了防止在含油/气地层内的垢的形成,一般地使用两种技术。在一种方法中,可以将阻垢剂包括在要经由一个或多个注入井(例如,用于将油冲向开采井)(水驱处理)被注入到地层中的流体(代表性地水相流体)中。在被称为“挤注处理”的另一方法中,可以将包含阻垢剂的流体(再一次代表性地水相流体)引入到开采井中(在开采停止后)以便将阻垢剂“挤注”到环绕开采井的岩层中。以这种方式,将阻垢剂递送到地层岩石以便防止垢的形成沉积在地层其自身中(孔隙堵塞)以及随后在下游开采装置中。
只有在提供了足量的阻垢剂的时候才能控制垢的形成。在“挤注处理”的情况中,阻垢剂的浓度将随着时间减少直到需要阻垢剂的重复处理(“重新挤注”处理)。因此,能够分析从开采井中采出的流体以便保证阻垢剂的浓度总被维持在于其处充分地抑制垢的形成的水平处将是非常有用的。通过分析在所采出的流体中的阻垢剂的水平,可以监控阻垢剂浓度的损耗,并因此可以确定阻垢剂的重复处理的需求。能够精确地确定阻垢剂的水平作为以防垢沉积和作为结果的开采损耗的风险的预防性测量,以便避免需要比严格地必需的更经常地实行重新挤注处理是所期望的。由于过度的阻垢剂的成本以及由于每次实行重新挤注处理所需要的开采中断两者,提供比所需的更多的阻垢剂是不期望的。
在现代的油开采领域中,将从多个开采井的采出流体结合并在单个管道中运输到生产设备是越来越普遍的。特别地,在海底开采中,将从多个开采井的流体在海床上例如在歧管(manifold)中结合并用管道运输至最近的生产平台(可能在数公里远处)是普遍的。因此有对分析在从每个个体井的采出流体中的阻垢剂水平的需求,以便保证个体井不会由于结垢增长而丧失生产力。当前,可以以两种不同方式完成该分析。首先,通过关闭来自除了一个井以外的所有的井的流可以确定在该一个剩余的井中的阻垢剂水平。然而,由于在测试每个个体井时引起的生产中的显著的损失,该方法在经济上不可行。另外,水压限制可能将来自单个井的产品回到测试设施。第二种方法包括在每个开采井中使用不同的阻垢剂,使得可以通过对混合流的分析来确定每一种的水平。然而,不是所有的阻垢剂都是同等有效的,并且由于所需要的阻垢剂的数目与井的数目相同,快速地达到其中必须在一些井中使用少于最佳阻垢剂仅为了保证每个井具有不同的阻垢剂的情况。这导致在某些井中的更弱的阻垢,并且因此导致比可能使用更有效的阻垢剂的可能的另外的情况的对在那些井中更多干扰的需求。
有人提出:准备由于它们包括形式为标记部分的小数目的化学标记(每种聚合物的标记部分不同于其它聚合物的标记部分)而不同于彼此的阻垢聚合物。期望由于在相对小数目的聚合物中包括标记部分,聚合物的阻垢性质将大体上未从不具有这样的标记部分的聚合物中改变。以这种方式,可以采用有效的阻垢剂处理多于一个井,同时仍允许识别在混合采出流中的阻垢剂。然而,油气工业至今没有成功提出准确地检测在采出流体中的阻垢剂的存在和浓度的一种稳健的检测技术,尤其是其中混合多种被标记的阻垢剂并且理想地需要单个、最佳的阻垢剂以尽可能有效地处理所有相关联的岩层。
发明内容
下面陈述本发明的某些方面。
在从一个或多个多孔且可渗透的含烃岩层接收的流体中确定一种或多种阻垢聚合物浓度的计算机实现的方法中,每种阻垢聚合物包括不同的化学标记,所述流体包括多种混合的所述阻垢聚合物,所述方法可以包括:
在预确定的波长范围内接收表示所述混合的阻垢聚合物的所测量的吸收光谱的第一输入数据,其中在所述流体的层析分离之后使用检测器测量所述所测量的吸收光谱;
接收表示参考吸收光谱的第二输入数据,所述参考吸收光谱包括:
a)在所述预确定的波长范围上的所述阻垢聚合物中的每种的吸收光谱;以及
b)预期存在于所述流体中的在所述预确定的波长范围内具有吸光度值的其它化学成分的基线参考吸收光谱;
将所述第一和第二输入数据输入到计算机程序中;以及
操作所述计算机程序以执行以下步骤:
在针对所述分离的洗脱时间上的多个离散时间步骤中的每一个处确定针对导致包括所述第二输入数据对所述第一输入数据的最佳拟合线性结合的所建模的光谱的每个参考吸收光谱的因数;以及
针对每种阻垢聚合物:
使用对应于针对预确定的数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数来确定所述阻垢聚合物的浓度的指示。
所述基线参考吸收光谱可以包括至少:
i)在缺少每种阻垢聚合物的化学标记时的每种阻垢聚合物的吸收光谱;
ii)采出流体或表示从所述一个或多个岩层采出的采出流体的流体的吸收光谱;以及
iii)包括预期存在于所述流体中的在所述预确定的波长范围内具有吸光度值的其它化学成分的水的吸收光谱。
包括在所述预确定的波长范围内具有吸光度值的其它化学成分的水的吸收光谱可以包括已经被暴露于来自其中正管理所述方法的大气中的空气的水的至少一个吸收光谱。
包括在所述预确定的波长范围内具有吸光度值的其它化学成分的水的吸收光谱可以包括已经被暴露于来自其中正管理所述方法的大气中的空气的水的至少两个吸收光谱,其中的至少一个是在被暴露于所述大气空气之前已经被脱气的水的吸收光谱。
所述计算机程序可以被操作以通过从在缺少每种阻垢聚合物的化学标记时的所述阻垢聚合物的层析分离之后使用检测器测量的吸收光谱中选择至少一个光谱得出在缺少每种阻垢聚合物的化学标记时的每种阻垢聚合物的吸收光谱。
从所述吸收光谱中选择至少一个光谱可以包括选择在线性结合中以最小误差拟合所述光谱中的其它光谱的所述光谱中的至少两个。
所述计算机程序可以被操作以通过从在采出流体或表示从所述一个或多个岩层采出的采出流体的流体的层析分离之后使用检测器测量的吸收光谱中选择至少一个光谱得出所述流体的吸收光谱。
可以通过测量被溶解在水中的每种个体阻垢聚合物的静态吸收光谱得出在所述预确定的波长范围上的所述阻垢聚合物中的每种的吸收光谱。
所述方法可以包括通过以下来精炼每种个体阻垢聚合物的吸收光谱的步骤:
i)接收表示在预确定的波长范围内的在水中的阻垢聚合物的所测量的光谱的第三输入数据,其中在水中的阻垢聚合物的层析分离之后使用检测器测量所测量的光谱;
ii)操作所述计算机程序以:
针对在所述第三输入数据中的每个所测量的光谱确定针对导致包括参考吸收光谱对所述所测量的光谱的最佳拟合线性结合的所建模的光谱的参考吸收光谱中的每一个的因数,并从所述所测量的光谱中减去乘以基线参考吸收光谱的对应因数的基线参考吸收光谱来产生精炼参考吸光度数据;以及
从由所述所测量的光谱中的所有产生的精炼参考吸光度数据中选择对应于最大吸收的精炼参考吸光度数据。
所述方法还可以包括操作所述计算机程序以便通过以下来针对每种阻垢聚合物对对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数求和,以及以确定在其上对因数求和的预确定数目的离散时间步骤的步骤:
确定在其上阻垢聚合物的因数大于预定义的阈值值的时间步骤;或者
确定在其上在最佳拟合中的误差低于预定义的阈值值的时间步骤;或者
确定在其上针对每种阻垢聚合物生成的线性模型的最小平方相关系数大于预定义的阈值值的时间步骤。
所述方法还可以包括操作所述计算机程序以完成以下行为的步骤:
针对在考虑之中的特定的阻垢聚合物,并且在跨所测量的吸收光谱的多个离散时间步骤中的每一个处基于基线参考吸收光谱和除了正在被考虑的专门的所述阻垢聚合物参考光谱之外的阻垢聚合物参考光谱中的每一个对所测量的吸收光谱的线性结合的最佳拟合产生所建模的基线光谱;
从所建模的基线光谱确定为了产生所述最佳拟合在所述离散时间步骤中的每一个处被应用于每个基线吸收光谱和除了正被考虑的专门的所述阻垢聚合物以外的阻垢聚合物参考光谱中的每一个的对应的因数;
从所测量的吸收光谱中减去所建模的基线光谱以定义第一组吸光度数据;
从相关所建模的光谱中减去所建模的基线光谱以定义第二组吸光度数据;
将最佳拟合线性模型应用于第一组吸光度数据对照第二组吸光度数据的绘图;以及
计算以下中的至少一个:
在线性模型的梯度中的标准误差;以及
线性模型的最小平方相关系数。
所述方法可以包括通过将对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数对照对应于所述阻垢聚合物的参考吸收光谱的参考因数进行比较来确定每种阻垢聚合物浓度的指示。
所述方法可以包括接收表示在预确定的波长范围内在水中的阻垢聚合物的所测量的光谱的参考输入数据,其中在水中的阻垢聚合物的层析分离之后使用检测器测量所测量的光谱,并且操作所述计算机程序以:
针对在参考输入数据中的每个所测量的光谱确定针对导致包括参考吸收光谱对所述所测量的光谱的最佳拟合线性结合的所建模的光谱的参考吸收光谱中的每一个的参考因数;
确定对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数对照对应于所述阻垢聚合物的参考吸收光谱的参考因数的绘图的梯度。
所述预确定的波长范围可以基本上对应于紫外-可见波长范围。
所述预确定的波长范围可以为从190纳米到300纳米。
所述方法可以包括根据校准因数校准所求和的因数以确定阻垢聚合物的绝对浓度的步骤。
可以通过以下来计算针对每种阻垢聚合物的校准因数:
接收表示参考吸收光谱的第二输入数据;
接收表示在预确定的波长范围内相应的阻垢聚合物的所测量的吸收光谱的第三输入数据;
将所述第二和第三输入数据输入到所述计算机程序中;以及
操作所述计算机程序以执行以下步骤:
在相应的阻垢聚合物的洗脱时间上的多个离散时间步骤中的每一个处确定针对导致包括所述第二输入数据对所述第三输入数据的最佳拟合线性结合的所建模的光谱的每个参考吸收光谱的因数;以及
对对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的所测量的吸收光谱的因数求和以确定输出浓度;以及
已知浓度除以所述输出浓度以计算相应的校准因数。
在本发明的方面中,一种计算机程序或一套计算机程序,其包括一组指令,所述指令被布置以引起计算机或一套计算机来执行根据上面的方法的步骤。
在本发明的方面中,一种计算机可读媒体包括上面的计算机程序。
在本发明的方面中,有一种系统,其被布置以在从一个或多个多孔且可渗透的含烃岩层接收的流体中确定一种或多种阻垢聚合物的浓度,每种阻垢聚合物包括不同的化学标记,所述流体包括多种混合的所述阻垢聚合物,所述系统包括:
数据接收装置,被布置以接收:
表示在预确定的波长范围内的所述混合的阻垢聚合物的所测量的吸收光谱的第一输入数据,其中在所述流体的层析分离之后使用检测器测量所述所测量的吸收光谱;以及
表示参考吸收光谱的第二输入数据,所述参考吸收光谱包括:
a)在所述预确定的波长范围上的所述阻垢聚合物中的每种的吸收光谱;以及
b)预期存在于所述流体中的在所述预确定的波长范围内具有吸光度值的其它化学成分的基线参考吸收光谱;
浓度确定装置,被配置成:
在针对所述分离的洗脱时间上的多个离散时间步骤中的每一个处确定针对导致包括所述第二输入数据对所述第一输入数据的最佳拟合线性结合的所建模的光谱的每个参考吸收光谱的因数;以及
针对每种阻垢聚合物:
使用对应于针对预确定的数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数来确定所述阻垢聚合物的浓度的指示。
所述系统还可以包括第一吸收光谱得出装置,被配置成通过在从缺少每种阻垢聚合物的化学标记时的阻垢聚合物的层析分离之后使用检测器测量的吸收光谱中选择至少一个光谱得出在缺少每种阻垢聚合物的化学标记时的每种阻垢聚合物的吸收光谱。
所述系统还可以包括第二吸收光谱得出装置,被配置成通过从在采出流体或表示从所述一个或多个岩层采出的采出流体的流体的层析分离之后使用检测器测量的吸收光谱中选择至少一个光谱得出所述流体的至少一个吸收光谱。
所述系统还可以包括第三吸收光谱得出装置,被配置成通过从已经被暴露于来自其中已经测量所述光谱的大气的空气的水的吸收光谱中选择至少一个光谱得出包括在所述预确定的波长范围内具有吸光度值的其它化学成分的水的至少一个吸收光谱。
所述数据接收装置还可以被布置以接收表示在预确定的波长范围内的在水中的阻垢聚合物的所测量的光谱的第三输入数据,其中在水中的阻垢聚合物的层析分离之后使用检测器测量所测量的光谱;所述系统还包括精炼装置,被配置成针对每种阻垢聚合物通过以下来精炼所述阻垢聚合物的吸收光谱:
i)针对在所述第三输入数据中的每个所测量的光谱确定针对导致包括参考吸收光谱对所述所测量的光谱的最佳拟合线性结合的所建模的光谱的参考吸收光谱中的每一个的因数,并从所述所测量的光谱中减去乘以基线参考吸收光谱的对应因数的基线参考吸收光谱来产生精炼参考吸光度数据;以及
ii)从由所述所测量的光谱中的所有产生的精炼参考吸光度数据中选择对应于最大吸收的精炼参考吸光度数据。
所述浓度确定装置可以被配置成通过以下来针对每种阻垢聚合物对对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数求和,以及以确定在其上对因数求和的预确定数目的离散时间步骤:
确定在其上阻垢聚合物的乘法因数大于预定义的阈值值的时间步骤;或者
确定在其上在最佳拟合中的误差低于预定义的阈值值的时间步骤;或者
确定在其上针对每种阻垢聚合物生成的线性模型的最小平方相关系数大于预定义的阈值值的时间步骤
所述浓度确定装置可以被配置成:
针对在考虑之中的特定的阻垢聚合物,并且在跨所测量的吸收光谱的多个离散时间步骤中的每一个处基于基线参考吸收光谱和除了正在被考虑的专门的所述阻垢聚合物参考光谱之外的阻垢聚合物参考光谱中的每一个对所测量的吸收光谱的线性结合的最佳拟合产生所建模的基线光谱;
从所建模的基线光谱确定为了产生所述最佳拟合在所述离散时间步骤中的每一个处被应用于每个基线吸收光谱和除了正被考虑的专门的所述阻垢聚合物以外的阻垢聚合物参考光谱中的每一个的对应的因数;
从所测量的吸收光谱中减去所建模的基线光谱以定义第一组吸光度数据;
从相关所建模的光谱中减去所建模的基线光谱以定义第二组吸光度数据;
将最佳拟合线性模型应用于第一组吸光度数据对照第二组吸光度数据的绘图;以及
计算以下中的至少一个:
在线性模型的梯度中的标准误差;以及
线性模型的最小平方相关系数。
所述浓度确定装置可以被配置成针对每种阻垢聚合物将对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数对照对应于所述阻垢聚合物的参考吸收光谱的参考因数进行比较。
所述数据接收装置还可以被布置以接收表示在预确定的波长范围内在水中的阻垢聚合物的所测量的光谱的参考输入数据,其中在水中的阻垢聚合物的层析分离之后使用检测器测量所测量的光谱,并且所述浓度确定装置还被配置成:
针对在参考输入数据中的每个所测量的光谱确定针对导致包括参考吸收光谱对所述所测量的光谱的最佳拟合线性结合的所建模的光谱的参考吸收光谱中的每一个的参考因数;以及
确定对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数对照对应于所述阻垢聚合物的参考吸收光谱的参考因数的绘图的梯度。
所述系统还可以包括操作模式确定装置,被布置以基于包括所述化学标记的相应的一种或多种阻垢聚合物的所确定的浓度来确定阻垢剂处理系统的操作模式。
所述系统可以在操作中被连接到所述阻垢剂处理系统的控制器使得所述阻垢剂处理系统的控制器被自动地配置有所确定的一个或多个操作模式,所述控制器被布置以应用所述一个或多个操作模式。
从对本发明的优选实施例的以下描述中本发明的进一步的特征和优势将变得显然,仅以示例的方式给出所述描述,参考附图对其进行描述。
附图说明
图1示出被布置以分离并检测流体样本的不同成分的吸收光谱的装置;
图2根据本发明的实施例示出由计算机程序采取的被配置成对由图1的装置检测的光谱去卷积的步骤;
图3示出被输入到计算机程序的示例阻垢聚合物的参考吸收光谱;
图4到6示出对应于图3的示例阻垢聚合物参考光谱的示例基线参考光谱;
图7连同如由本发明的计算机程序建模的参考光谱和基线参考光谱的模型一起示出所测量的吸收光谱;
图8示出由计算机程序使用的用于生成图7的建模基线光谱的参考光谱;
图9示出如由本发明的计算机程序确定的相对阻垢聚合物浓度对照时间的图表;
图10示出图7的所测量的和建模的吸收光谱,其中从其中减去了图8的建模的基线光谱;
图11示出在相等的波长处对照彼此绘制的图10的光谱的线性最佳拟合;
图12示出针对建模光谱作为时间的函数的最小平方线性系数的绘图;
图13示出根据本发明的系统;以及
图14根据本发明示出确定垢处理系统的操作模式时采取的步骤。
具体实施方式
图1示出被布置以分离并检测流体样本1的不同成分的吸收光谱的设备,流体样本1诸如包含多种混合的具有共同的聚合物“主链”和不同的化学标记或“标签”的聚合的阻垢剂的油田盐水样本。该装置被用于确定跨预确定的波长范围的对应于化学标记了(chemically-tagged)的聚合的阻垢剂(本文中被称为“被标记的抑制剂”)的吸收光谱。可以使用在紫外线可见范围(即,直到700nm)内吸收的标签。在一个示例中,所述标签是被识别为在电磁光谱的UV区域中吸收的单体,并且因此所测量的吸收光谱是跨190nm到300nm波长范围的UV光谱。要理解的是,可以使用被识别为在其它波长范围上吸收的单体,在这样的情况中可以跨适当的波长范围测量吸收光谱。为了收集仅对应于被标记的抑制剂的UV光谱,必须将被标记的抑制剂从在油田盐水样本中存在的所有其它UV吸收种类中分离。参考图1,流体样本1被传递通过去油设备2以清除在流体样本1中存在的油,去油设备2包括例如C18固相萃取(SPE)筒(cartridge)。然后流体样本1被传递通过例如三个脱盐筒的脱盐设备3以除去可能影响被标记的抑制剂的UV响应的任何残留的盐(例如,由GE Healthcare提供的PD-10脱盐柱,其包含Sephadex G-25介质,并且其允许高分子量物质从低分子量物质的快速组分离)。然后通过将流体样本1传递通过GPC柱4执行凝胶渗透层析法(GPC)以便将被标记的抑制剂从不同分子量的其它水溶性油田采出化学成分以及任何残留的盐中分离。选择在GPC过程中使用的流动相以平衡在时间上的柱可靠性(其在较低浓度处更不可靠)与信号强度(其在较高浓度处降低)。在示例中,所使用的流动相是在高性能液体层析(HPLC)水(即,纯水或去离子水)中的0.001M高氯酸钠。GPC柱4的固定相可以是例如由AgilentTechnologies提供的PL水凝胶-OH或极性凝胶-L(PolarGel-L)。
按序与GPC分离使用光电二极管阵列(PDA)检测器5以对GPC洗出液执行紫外-可见(UV-Vi)光谱学;在示例中,每0.1秒测量在190nm和300nm波长之间的光谱。
然后使用在计算机系统6上执行的计算机实现的算法对从残留的油、盐和产品化学成分中被分离但是仍与彼此共洗脱的被标记的抑制剂的光谱进行去卷积,以使实现确定在该洗脱时间处存在的每种被标记的抑制剂的相对的量(浓度)。该算法能够在被标记的抑制剂存在的时候检测它们,而无视来自其它源的任何另外的UV/Vi吸收。
在图2中示出根据本发明的化学计量学去卷积算法的示例,其被配置成对由图1的装置检测的光谱去卷积以确定在流体样本1中的被标记的抑制剂的浓度。该算法是基于一组“曲线”对在GPC运行中的每个PDA光谱的线性结合的最佳拟合。如下面进一步解释的那样,所述曲线是表示预期在流体样本1中观察到的所有已知可能的UV吸光度的参考光谱。一旦找出针对光谱的最佳拟合,就记录针对每个曲线的对应的乘法因数。针对每个个体光谱独立地执行检测过程,顺序地针对每个UV/Vi光谱计算所存在的每种被标记的抑制剂的相对的量。然后可以将这些相对的量绘制为时间的函数。在作为结果的曲线下的积分给出数量,其成比例于每种被标记的抑制剂的浓度。
参考图2,在步骤S101中,从PDA检测器5接收表示在流体样本1中存在的混合的被标记的阻垢剂的根据实验所测量的吸收光谱的数据,并将所述数据输入到系统6中。在下面参考图3到12描述的示例中,在步骤S101处输入的数据表示一组在190到300nm之间的间隔为1nm的UV/Vi光谱,其中每0.1秒测量一次光谱持续30分钟。
在步骤S102和S104中,将表示参考光谱的数据输入到系统6中。在图3到12的示例中,在190到300nm之间间隔1nm测量所有的参考光谱。图3到10的吸收光谱以mAU对纳米nm中的波长来示出吸光度的单位。
参考光谱包括每种被标记的抑制剂至少一个参考光谱,例如通过将被标记的抑制剂的样本溶解在水中并使用UV分光光度计测量光谱获得的每种被标记的抑制剂的“静态”UV光谱。在图3中示出针对被标记的抑制剂之一的示例参考光谱,其中吸光度值为如由PDA检测器5定义的吸光度单位的千分之一。针对该被标记的抑制剂的代表性的校准因数为在大约1.3到1.6之间。针对在图3中示出的示例的特殊情况,校准因数为1.37。这意味着必须将针对该被标记的抑制剂从算法中输出的浓度的任何指示都乘以1.37以获得绝对的或真实的浓度。通过从算法中针对单个被标记的抑制剂在已知的浓度c cal处获得输出浓度c out并将c cal除以c out来得出校准因数。该校准过程仅要求在已知聚合物浓度处的一次实验。所选择的浓度代表性地为100ppm,其足够高使得PDA检测器5噪声对跨整个抑制剂的洗脱峰的光谱具有可忽略的影响。在步骤S102处将表示在流体样本1中存在的所有被标记的抑制剂的被标记的抑制剂参考光谱的数据输入到系统6中。
在步骤S103处,将流体样本1注入体积和GPC柱的识别(使得算法可以区分关于多种不同的GPC柱的实验数据)输入到系统6中。
参考光谱还包括预期存在于流体中在预确定的波长范围内具有非零吸光度值(并且其不对应于UV被标记的抑制剂)并且可以共洗脱的其它化学成分的可变数目的“基线”参考光谱。代表性地有三类基线参考光谱,通过他们是如何得出的来区分:从缺少任何标签的阻垢剂聚合物中(“未被标记的抑制剂”);从采自从其中获得流体样本1的一个或多个岩层的所采出的流体中(以计及在采出水中存在的其它UV活性的高分子量化学成分的吸光度值);以及从诸如纯/HPCL水的水中,包括预期存在于该流体中在预确定的波长范围内具有吸光度值的其它化学成分—这代表性地包括测量在暴露于实验室空气之前和之后的纯(HPLC)水的静态UV光谱,以计及流体样本1暴露于实验室污染物。
图4到6示出对应于图3的示例被标记的抑制剂参考光谱的一些示例基线参考光谱。在该情况中有两个未被标记的抑制剂光谱(图4),两个HPLC水静态UV光谱(图5),以及一个采出水的光谱(图6)。在该阶段参考光谱的相对量级是不重要的,因为在由算法执行的曲线拟合过程中它们都是自由地可变的。在步骤S104处,将表示基线参考光谱的数据与对应于正被使用的(一个或多个)GPC柱的任何被标记的抑制剂浓度校准因数一起输入到系统6中。
未被标记的抑制剂的参考光谱是必要的以计及在被标记的抑制剂和GPC柱之间的相互作用,其依次引起所测量的PDA光谱不同于如在静态UV实验下观察到的被标记的抑制剂的光谱。
参考图4,可以对未被标记的抑制剂执行单个GPC实验。这产生一系列在洗脱时间上的光谱。可以对作为结果的光谱应用类似于图2的算法的算法以便确定未被标记的抑制剂的一个或多个参考光谱。该算法将来自抑制剂洗脱的每个个体GPC光谱个体地拟合到在洗脱中的所有其它光谱以找出在线性结合中具有最小均方根误差跨整个洗脱拟合的两个光谱。
参考图5,从对两个水样本(例如,HPLC(即,纯或去离子)水,被暴露于实验室空气了的HPLC水)的静态UV实验得出两个进一步的参考光谱。提供了两个水样本。使用氮对一个样本脱气以清除溶解氧。然后测量每个样本的静态UV光谱。然后例如通过吸液管将实验室空气(即,在实验室中存在的空气的样本)引入到每个样本中。再一次测量每个样本的静态UV光谱。将另外的实验室空气引入到每个样本中并再一次测量每个样本的静态UV光谱。重复该过程直到针对每个样本的光谱近似地匹配前述光谱。针对每个样本,通过取得最后测量的光谱并将针对该样本的其它光谱中的每一个拟合到该最后的光谱以获得参考光谱。确定这些拟合中的所有的平均,并且该平均成为针对该水样本的参考光谱。
已经发现获得针对包含在实验室中存在的污染物的水样本的参考光谱是有用的。发现在实验室中存在的污染物在低波长处吸收。该吸收可能“隐藏”被标记的阻垢剂在低波长处的吸收。通过考虑来自污染物的吸收,可以辨别在低波长处的被标记的阻垢剂的吸收。
优选地从来自相关混合流中的采出水的样本中取得图6的采出水的参考光谱。该参考光谱可以是具有在所选波长范围之间(例如,190到300nm)的显著的总吸收的采出水的GPC光谱。可以通过将针对每个光谱的总吸收绘制为洗脱时间的函数(这就是层析谱)来识别该光谱。在层析谱上的最高峰对应于最大吸收。相应地,取得对应于该吸收峰的GPC光谱可以给出针对采出水的适当的参考光谱。替换地,可以通过类似于针对上面描述的未被标记的抑制剂参考光谱所描述的算法的算法得出该参考光谱。
设想在某些情况中,可能取得没有阻垢剂的采出水的样本是不可能的。在阻垢剂已经被用在一个或多个将流体开采到混合流中的井中的情况下可以发生这点。在这样的情况中,获得准确的一个或多个参考光谱以表示在采出水中存在的背景吸收将是不可能的,因为已经存在的阻垢剂在这里描述的GPC过程中也将具有吸收。在这样的情况中,一个或多个参考光谱可以被用于表示从一个或多个岩层开采的开采流体。
记录已知存在于在采出水中的化学成分种类,诸如除了阻垢剂的采出化学成分。针对在所选波长范围(例如,190nm到300nm)中具有吸收的这些化学成分确定一个或多个参考光谱。针对在所选波长范围中具有吸收的每种化学成分,使用与上面关于未被标记的阻垢剂参考光谱描述的相同的方法确定至少一个参考光谱。这些参考光谱成为基线参考光谱的部分并且可以代替使用从实际的采出水得出的参考光谱被用在图2的算法中。
可以通过基于GPC的算法精炼被标记的抑制剂的静态UV参考光谱其自身。该算法取得关于诸如HPLC水的水中的单个被标记的抑制剂的GPC实验作为输入。假设如果对GPC光谱的基线良好建模,那么在减去如下面关于图2描述的那样确定的所建模的基线光谱之后,剩余的吸收一定是由于被标记的抑制剂。因此输出该剩余吸收作为被标记的抑制剂的参考光谱。跟随关于图2描述的方法,执行所关注的被标记的抑制剂的GPC实验。其结果是一系列在洗脱时间上的UV光谱。如在下面关于步骤S108和S109描述的那样,针对每次测量的光谱,结合参考光谱(代表性地所关注的被标记的抑制剂的静态UV光谱、未被标记的阻垢剂参考光谱、被暴露于实验室空气的水的参考光谱以及采出水参考光谱)并且记录对应的乘法因数。如下面关于图8描述的那样,将针对未被标记的阻垢剂、被暴露于实验室空气的水以及采出水的参考光谱每一个都乘以它们对应的乘法因数,并且然后将它们线性地结合以得出“基线”参考光谱。从正在讨论的所测量的光谱中减去该基线参考光谱以得出针对被标记的阻垢剂的第一精炼参考光谱。
针对每个所测量的在洗脱时间上的光谱重复该过程,结果是一系列针对被标记的阻垢剂的精炼参考光谱。具有最大吸收的光谱可以被选作最终的针对被标记的阻垢剂的精炼参考光谱。为了识别具有最大吸收的光谱,可以相对时间绘制在总的洗脱时间上的针对每个光谱的总吸收(结果是层析谱)。层析谱的峰对应于最大吸收并且因此对应于该峰的光谱可以被用作针对被标记的阻垢剂的参考光谱。
在多于一种被标记的抑制剂存在于要测试的混合流体的样本中的情况下,以这种方式精炼针对被标记的抑制剂的参考光谱可以是适当的。
本发明的计算机实现的方法是基于用得自高浓度GPC实验的更准确的光谱代替针对被标记的抑制剂的静态UV光谱。
另外,如果执行适当的实验,那么其它参考光谱的得出是可以被自动化的过程;这允许算法适用于诸如不同的GPC柱或柱情况、或在采出水成分方面的改变的新的情况。
如从步骤S105可以看出的那样,在多个实验室实验中可以对相同流体的样本使用多个GPC柱。每个GPC柱(A,B,C…)具有不同的化学性质并且因此其自身的唯一的参考光谱和洗脱时间轮廓(profile),与其自身的一组校准因数(每种被标记的抑制剂一个各自的)一起。
在步骤S106处,算法将变量i(表示在GPC洗脱时间上的时间步骤序列)定义为0,将所测量的GPC光谱的总数目定义为n,并且将参考光谱的总数目定义为m。在步骤S107,在时间t(i)处所测量的GPC光谱是孤立的,其中在0到n之间的离散的整数步骤中测量时间t。在所描述的示例中,t(i+1)= t(i) + 0.1秒。
在步骤108处,针对每个所测量的GPC-UV光谱,算法找出参考光谱中的所有的最佳拟合线性结合,加上常数偏移量(kc),以得出所建模的光谱。在图7中示出示例GPC-UV光谱和对应的所建模的光谱。在图7中标签为MB的曲线是所建模的基线,其为组成基线参考光谱的模型光谱的部分。最佳拟合(标签为BF)为形式为k 1 *T 1 + k 2 *T 2 + … + k m *T m + kc的m个参考光谱T 1 , T 2 , …, T m 的线性结合,其中为k 1 , k 2 , …, k m 是乘法常数或因数。乘法因数为不受约束的变量,通过算法的拟合子例程来优化其值。拟合子例程使用例如Levenberg-Marquadt算法,使得最小化在量k 1 *T 1 + k 2 *T 2 + … + k m *T m + kc和所测量的GPC光谱之间的总的均方根之差。在步骤S109中,由系统6针对每个参考光谱针对被正考虑的时间步骤i记录乘法因数。
下面的表1示出乘以每个参考光谱的最佳拟合乘法因数以获得图7中的最佳拟合。
表1。
针对每个GPC-UV光谱重复该拟合过程,并且针对每个光谱记录针对每种被标记的抑制剂的缩放因数k i 。在上面的示例中,只有一种被标记的抑制剂并且其因数为0.3427。
图8更详细地示出所建模的基线,其具有被缩放的基线参考光谱中的每一个。标签为MB的曲线-其与图7的曲线相同-为图8的其它曲线的所有的和。
从图2的步骤S110往前,个体地考虑每种被标记的抑制剂T以便确定其相应的浓度。图9示出被标记的抑制剂的乘法因数的测量,其等于被标记的抑制剂的相对反演(retrieved)的浓度,其跨相应的被标记的抑制剂的以秒计的洗脱时间的整体。参考图2的步骤S121,在洗脱时间上的所有离散的y轴点的和(即,在每个时间步骤i处的因数的和)提供了对浓度的指示,其成比例于被标记的抑制剂的绝对浓度。然而,在洗脱时间的整个上的求和有时导致错误的结果。因此,可以找出开始点i 1 和结束点i 2 并且可以将求和限制在这两个点之间以改进所确定的浓度值的准确度。
有其中可以找出i 1 和i 2 的多种方式。例如,可以通过以下方式确定所述值:由系统操作者手动选择;确定在其上反演的被标记的抑制剂浓度的乘法因数大于预定义的阈值值的时间步骤i,其中i 1 为这些点中的第一个并且i 2 为这些点中的最后一个;确定在其上在最佳拟合中的误差低于预定义的阈值值的时间步骤i,其中i 1 为这些点中的第一个并且i 2 为这些点中的最后一个;或者确定在其上针对每种被标记的抑制剂生成的线性模型的最小平方相关系数大于预定义的阈值值的时间步骤i,其中i 1 为这些点中的第一个并且i 2 为这些点中的最后一个。
再一次参考图2,可以在关于步骤S110到S120描述的过程中使用所建模的基线以确定i 1 和i 2 的适当的值。算法选择第一被标记的抑制剂T(步骤S110),并且前进至计算拟合质量和与该拟合相关联的误差。在步骤S111中,从所测量的吸收光谱中减去所建模的基线(包括除了T的所有被标记的抑制剂),并且将该结果定义为A。在步骤S112中,从所建模的光谱中减去所建模的基线,并将该结果定义为B。图10示出这些减法的结果。在所建模的光谱的情况中,应领会的是,减去所建模的基线仅留下被乘以其最佳拟合因数的被标记的抑制剂T参考光谱,即对被标记的抑制剂T 1 来说B = k 1 *T 1 。
在图10中的曲线中的两者—A针对实验曲线并且B针对所建模的曲线—包括在相同的波长处测量的点。在步骤S113中,算法将A的每个点对照B的在相同波长处的对应的点制成表格。针对每个波长,对照来自B的吸光度绘制来自A的吸光度并在步骤S114中应用最佳拟合线性模型。如果该模型是完美拟合,那么该绘图将为1:1的直线;在现实中,将总有一些偏差。
图11示出针对该示例的A针对.B的绘图。针对该数据的最小平方回归线接近于1:1A=B线,因为该模型非常好的拟合于在该示例中所观察的光谱。可以计算在该线的梯度中的标准误差(步骤S115)。在该情况中,结果是2.403*10-3。这是在针对该光谱的拟合中的误差的测量。
以类似的方式,可以通过记录最小平方回归系数R 2来测量拟合质量。在图11的示例中,R 2 = 0.9994。
在其中存在多于一种被标记的抑制剂的实验中,针对每种被标记的抑制剂独立地执行步骤S111-S115的过程;在步骤S116中,算法询问是否针对所存在的每种被标记的抑制剂记录了误差,并且如果不是(步骤S116=错误),那么在步骤S117选择下一种被标记的抑制剂并且过程返回至步骤S111。例如,在被标记的抑制剂T 1和T 2的的混合物中,通过将针对T 2的参考光谱考虑为所建模的基线的一部分,将针对T 2的参考光谱与所有的基线参考光谱一起减去,并前进至构造A针对B绘图来计算针对被标记的抑制剂T 1的拟合质量。类似地,针对被标记的抑制剂T 2,将T 1参考光谱考虑为模型基线的一部分。
一旦在GPC试验中针对在每个光谱上的每个被标记的抑制剂计算了乘法因数、误差和R 2值(S116=正确),它们每一个就都可以被绘制为时间的函数。在步骤S118处,算法询问是否i=n,即是否已经考虑了在被标记的抑制剂的洗脱时间之上的所有时间步骤,并且如果不是(步骤S118=错误),那么算法选择下一时间步骤(S119)使得i=i+1并返回至步骤S107以重复针对该时间步骤的过程。如上面解释的那样,图9示出被标记的抑制剂的乘法因数,其为相等地所存在的被标记的抑制剂的相对反演浓度,跨被标记的抑制剂的洗脱的整个。
如果在步骤S118处i=n,那么基于所计算的误差数据找出i 1 和i 2 。找出开始和结束点i 1 和i 2 的一种可能情况是找出在其处R 2值大于某一阈值的最初的和最后的时间。在图12中示出针对图9的示例的R 2作为时间的函数的绘图。如果该阈值被定义为R 2=0.95,那么限制为i 1 =317.9s以及i 2 =399.2s。
再次参考图2,在步骤S121处,在从i 1 到i 2 的所有i上对针对每种被标记的抑制剂的乘法因数求和;针对被标记的抑制剂T 1 这为在所有i 1 到i 2 上的k 1 (i)的和。在图9的示例中,应用i 1 =317.9s和 i 2 =399.2s的时间点作为求和限制并且执行求和给出73.83的结果(在该阶段其单位为任意的)。
作为计算i 1 和i 2 并对在这两个时间之间的乘法因数求和的替换方案,可以通过比较使用上面关于图9描述的过程得出的针对被标记的抑制剂的所测量的乘法因数曲线与针对该被标记的抑制剂的参考乘法因数曲线来得出该被标记的抑制剂的相对浓度。如在本申请中的其它处描述的那样,通过实行针对在水中的被标记的阻垢剂的GPC实验得出该参考乘法因数曲线。将被标记的阻垢剂以足够高的浓度溶解在水中使得来自PDA检测器的噪声具有可忽略的影响。针对在洗脱时间上的每个光谱,针对被标记的阻垢剂、未被标记的阻垢剂、采出水和被暴露于实验室污染物的水的参考光谱根据上面关于步骤S108和S109描述的过程被线性地结合,并记录针对参考光谱的乘法因数。将针对被标记的阻垢剂的乘法因数绘制为时间的函数以产生参考乘法因数曲线。
通过绘制针对所测量的乘法因数曲线的乘法因数对照针对参考乘法因数曲线的乘法因数,可以获得被标记的阻垢剂的总浓度的指示。“所测量的”对照“参考”乘法因数曲线的绘图的梯度反映了被标记的抑制剂的相对浓度。在所计算的梯度中的误差给出了在过程中的误差的指示:在梯度中的误差越大,所计算的相对浓度中的误差越大。
作为另外的质量控制检查,如果使用本方法确定的相对浓度不严密地匹配使用上面描述的基于识别开始和结束点i 1 和i 2 的方法确定的相对浓度,那么这指示异常。
在步骤S122处,将结果(即,相对浓度)乘以相应的被标记的抑制剂的校准因数。如上面描述的那样,通过相对于在类似情况中准备的一组一个或多个已知浓度标准进行校准,可以得出抑制剂的绝对浓度。在图3-12的示例中,应用1.37的校准因数给出了针对在考虑之中的被标记的抑制剂的101.1ppm的输出浓度(步骤S123)。
上面描述的用于确定参考光谱(例如,未被标记的抑制剂和采出水参考光谱)的方法中的一些包括从GPC实验中取得一系列所测量的光谱以及将每个个体GPC光谱拟合到在该系列中的所有其它光谱以找出在线性结合中跨整个洗脱的具有最小均方根误差拟合的光谱。当得出针对未被标记的阻垢剂的参考光谱时,代表性地发现可以识别两个参考光谱,它们可以被线性地结合以跨来自GPC实验的光谱的其余进行拟合。当得出针对采出水的参考光谱时,可以使用三个参考光谱来跨其它光谱拟合。参考光谱的数目可以依赖于在整个洗脱时间上光谱变化得多么广泛。如果在洗脱时间上有大的变化,那么可能需要更多的光谱(诸如三个)以使实现跨整个洗脱时间的好的拟合;如果在洗脱时间上有小的变化,那么较少的参考光谱(诸如两个)可以是足够的。
为了确定各种混合被标记的抑制剂的浓度,如在图13中示出的那样,系统6包括适当的计算机实现的模型、软件工具和硬件。系统6可以使用储集层模型7。如在本领域中已知的那样,储集层模型是从采用来自从附近井或从地震数据获得的数据估计的大量井间空间的不完全数据构建的储集层的概念上的三维结构。
系统6还使用形式为浓度确定工具8和处理确定工具9的软件工具(计算机程序)。浓度确定工具可以使用如上面解释的算法计算个体被标记的抑制剂浓度。使用储集层模型7,处理确定工具9可以使用诸如(一个或多个)相关储集层的体积和形状、含油岩层的孔隙度、现存开采井和注入井的位置的信息,结合浓度确定工具8的结果的信息,以提供关于未来注水(waterflood)或挤注处理所需的被标记的阻垢剂的可能的体积、浓度和放置的指示。
可以提供优化工具10以帮助计划处理。可以连同处理确定工具9一起使用优化工具10以基于包括所确定的浓度和针对特定储集层或井眼所需的处理的输入数据来计算最佳未来处理计划。在其中多个处理都是可能的情况中,可以采用将表示例如表示对处理的实现的实践限制的阈值值(例如,定时或其它实践约束)的另外的数据纳入考虑的规则来编程优化工具10。以这种方式,优化工具10可以确定最适佳的处理计划以保证阻垢剂水平被自动地维持在尽可能最适佳的浓度处。
系统6还包括如下面参考图14进一步解释的用于确定操作模式的操作模式组件。系统6在操作中优选地例如经由网络N1被连接到垢处理系统(未示出)的控制器12。处理系统的控制器12自动地被配置有一个或多个由系统6确定的操作模式,控制器12被布置以应用该一个或多个操作模式。
在一个布置中,涉及图13,由系统6执行浓度确定工具8和可选地储集层模型7、处理确定工具9、优化工具10以及操作模式组件11。系统6可以包括常规操作系统以及储存组件,诸如连接中央处理单元(CPU)13、硬盘14、随机存取存储器(RAM)15、以及促进到用户输入/输出设备(例如,用于接收输入数据)的连接和与在网络N1上的其它设备互连的I/O和网络适配器16的系统总线。RAM15包括操作系统软件17,其以已知方式控制系统6的低水平操作。服务器RAM13在其执行期间包括软件工具和模型7、8、9、10和11。软件的每个项目是采用存储在一个或多个数据库或在操作中被耦合到或连接到系统6的其它储存组件中的测量结果和/或预确定的数据可配置的;在图13的系统中,储存组件DB1存储关于各种软件工具和模型的所有这样的数据,并且所述数据通过其是可访问的。
由系统6的接收装置接收的输入数据包括所测量的吸收光谱、每种存在的被标记的抑制剂的被标记的抑制剂参考光谱、每个GPC柱的基线参考光谱和校准因数、关于注入体积和GPC柱识别的数据以及系统软件所需的任何其它数据,例如时间步骤值i的定义。
浓度确定工具可以包括定制软件程序。
涉及图14,示出了在用于确定针对垢处理系统的一个或多个操作模式的计算机实现的方法的第一实施例中包括的步骤。
在步骤S201中,由垢处理系统6接收输入数据。
在步骤S202处,将输入数据输入到浓度确定工具8中,在上面关于图2到12描述了其计算。然后在步骤S203中运行浓度确定工具8,并在步骤S204处生成指示在流体样本1中存在的被标记的阻垢剂聚合物的个体浓度的浓度数据。可以以各种形式输出该数据。
在步骤S205处,使用所生成的浓度数据来确定垢处理系统的一个或多个操作模式。操作模式可以表示用于垢处理系统的指令或建议设置,其可以随后被应用于垢处理系统。
由系统6的CPU13执行的软件基于所确定的浓度确定垢处理系统的一个或多个操作模式。可以连同操作模式组件11一起或作为其部分配置储集层模型7、处理确定工具9和/或优化工具10以在浓度数据的生成时确定(一个或多个)操作模式。由系统软件确定的另外的技术和物理约束可以被纳入考虑以便确定操作模式,并且它们可以被存储并且如必要的话被从(一个或多个)数据库DB1中访问。
例如,操作模式可以包括用于基于优化工具10生成的必需处理队列的是否继续进行由处理确定工具9确定的特定井眼的处理的指令。替换地或另外地,操作模式可以包括针对垢处理系统的一个或多个特殊配置设置,诸如注入时间、体积、压力等。
操作模式组件11被配置成使用预确定的规则集连同诸如(一个或多个)所计算的浓度的输入数据,以便确定操作模式。将这些规则存储在(一个或多个)数据库DB1中并且如必要的话从其中可访问的。
计算机实现的方法还可以包括将所确定的操作模式应用或输入到垢处理系统的控制器12中的可选步骤S206。
上面的实施例将被理解为本发明的例证性示例。设想本发明的进一步的实施例。要理解的是,关于任何一个实施例描述的任何特征可以被单独地或与所描述的其它特征结合使用,并且还可以与实施例中的任何其它实施例的一个或多个特征结合或与实施例中的任何其它的任何结合使用。另外,还可以使用上面未描述的等价和更改而不脱离在随附的权利要求中限定的本发明的范围。
Claims (18)
1.一种在从一个或多个多孔且可渗透的含烃岩层接收的流体中确定一种或多种阻垢聚合物浓度的计算机实现的方法,每种阻垢聚合物包括不同的化学标记,所述流体包括多种混合的所述阻垢聚合物,所述方法包括:
在预确定的波长范围内接收表示所述混合的阻垢聚合物的所测量的吸收光谱的第一输入数据,其中在所述流体的层析分离之后使用检测器测量所述所测量的吸收光谱;
接收表示参考吸收光谱的第二输入数据,所述参考吸收光谱包括:
a) 在所述预确定的波长范围上的所述阻垢聚合物中的每种的吸收光谱;以及
b) 预期存在于所述流体中的在所述预确定的波长范围内具有吸光度值的其它化学成分的基线参考吸收光谱,其中所述基线参考吸收光谱包括至少:
(i) 在缺少每种阻垢聚合物的化学标记时的每种阻垢聚合物的吸收光谱;
(ii) 采出流体或表示从所述一个或多个岩层采出的采出流体的流体的吸收光谱;以及
(iii) 包括预期存在于所述流体中的在所述预确定的波长范围内具有吸光度值的其它化学成分的水的吸收光谱;
将所述第一和第二输入数据输入到计算机程序中;以及
操作所述计算机程序以执行以下步骤:
在针对所述分离的洗脱时间上的多个离散时间步骤中的每一个处确定针对导致包括所述第二输入数据对所述第一输入数据的最佳拟合线性结合的所建模的光谱的每个参考吸收光谱的因数;以及
针对每种阻垢聚合物:
使用对应于针对预确定的数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数来确定所述阻垢聚合物的浓度的指示。
2.根据权利要求1所述的方法,其中包括在所述预确定的波长范围内具有吸光度值的其它化学成分的水的吸收光谱包括已经被暴露于来自其中正进行所述方法的大气中的空气的水的至少一个吸收光谱。
3.根据权利要求1所述的方法,其中包括在所述预确定的波长范围内具有吸光度值的其它化学成分的水的吸收光谱包括已经被暴露于来自其中正进行所述方法的大气中的空气的水的至少两个吸收光谱,其中的至少一个是在被暴露于所述大气空气之前已经被脱气的水的吸收光谱。
4.根据前述权利要求中的任何所述的方法,还包括操作所述计算机程序以通过从在缺少每种阻垢聚合物的化学标记时的所述阻垢聚合物和/或采出流体或表示从所述一个或多个岩层采出的采出流体的流体的层析分离之后使用检测器测量的吸收光谱中选择至少一个光谱得出在缺少每种阻垢聚合物的化学标记时的每种阻垢聚合物的吸收光谱和/或得出所述流体的吸收光谱。
5.根据权利要求1到3中的任何所述的方法,其中通过测量被溶解在水中的每种个体阻垢聚合物的静态吸收光谱得出在所述预确定的波长范围上的所述阻垢聚合物中的每种的吸收光谱。
6.根据权利要求5所述的方法,包括通过以下来精炼每种个体阻垢聚合物的吸收光谱的步骤:
i) 接收表示在预确定的波长范围内的在水中的阻垢聚合物的所测量的光谱的第三输入数据,其中在水中的阻垢聚合物的层析分离之后使用检测器测量所测量的光谱;
ii) 操作所述计算机程序以:
针对在所述第三输入数据中的每个所测量的光谱确定针对导致包括参考吸收光谱对所述所测量的光谱的最佳拟合线性结合的所建模的光谱的参考吸收光谱中的每一个的因数,并从所述所测量的光谱中减去乘以基线参考吸收光谱的对应因数的基线参考吸收光谱来产生精炼参考吸光度数据;以及
从由所述所测量的光谱中的所有产生的精炼参考吸光度数据中选择对应于最大吸收的精炼参考吸光度数据。
7.根据权利要求1到3中的任何所述的方法,还包括操作所述计算机程序以通过以下来针对每种阻垢聚合物对对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数求和,以及以确定在其上对因数求和的预确定数目的离散时间步骤的步骤:
确定在其上阻垢聚合物的因数大于预定义的阈值值的时间步骤;或者
确定在其上在最佳拟合中的误差低于预定义的阈值值的时间步骤;或者
确定在其上针对每种阻垢聚合物生成的线性模型的最小平方相关系数大于预定义的阈值值的时间步骤。
8.根据权利要求1到3中的任何所述的方法,其中所述方法还包括操作所述计算机程序以完成以下行为的步骤:
针对在考虑之中的特定的阻垢聚合物,并且在跨所测量的吸收光谱的多个离散时间步骤中的每一个处基于基线参考吸收光谱和除了正在被考虑的特定的所述阻垢聚合物参考光谱之外的阻垢聚合物参考光谱中的每一个对所测量的吸收光谱的线性结合的最佳拟合产生所建模的基线光谱;
从所建模的基线光谱确定为了产生所述最佳拟合在所述离散时间步骤中的每一个处被应用于每个基线吸收光谱和除了正被考虑的特定的所述阻垢聚合物以外的阻垢聚合物参考光谱中的每一个的对应的因数;
从所测量的吸收光谱中减去所建模的基线光谱以定义第一组吸光度数据;
从相关所建模的光谱中减去所建模的基线光谱以定义第二组吸光度数据;
将最佳拟合线性模型应用于第一组吸光度数据对照第二组吸光度数据的绘图;以及
计算以下中的至少一个:
在线性模型的梯度中的标准误差;以及
线性模型的最小平方相关系数。
9.根据权利要求1到3中的任何所述的方法,包括通过将对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数对照对应于所述阻垢聚合物的参考吸收光谱的参考因数进行比较来确定每种阻垢聚合物浓度的指示。
10.根据权利要求9所述的方法,包括接收表示在预确定的波长范围内在水中的阻垢聚合物的所测量的光谱的参考输入数据,其中在水中的阻垢聚合物的层析分离之后使用检测器测量所测量的光谱,并且操作所述计算机程序以:
针对在参考输入数据中的每个所测量的光谱确定针对导致包括参考吸收光谱对所述所测量的光谱的最佳拟合线性结合的所建模的光谱的参考吸收光谱中的每一个的参考因数;
确定对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数对照对应于所述阻垢聚合物的参考吸收光谱的参考因数的绘图的梯度。
11.根据权利要求1到3中的任何所述的方法,包括根据校准因数校准所求和的因数的步骤以确定阻垢聚合物的绝对浓度的步骤,
通过以下来计算针对每种阻垢聚合物的校准因数:
接收表示参考吸收光谱的第二输入数据;
接收表示在预确定的波长范围内相应的阻垢聚合物的所测量的吸收光谱的第三输入数据;
将所述第二和第三输入数据输入到所述计算机程序中;以及
操作所述计算机程序以执行以下步骤:
在相应的阻垢聚合物的洗脱时间上的多个离散时间步骤中的每一个处确定针对导致包括所述第二输入数据对所述第三输入数据的最佳拟合线性结合的所建模的光谱的每个参考吸收光谱的因数;以及
对对应于针对预确定数目的所述离散时间步骤已经确定了的所述阻垢聚合物的所测量的吸收光谱的因数求和以确定输出浓度;以及
已知浓度除以所述输出浓度以计算相应的校准因数。
12.一种计算机可读介质,其包括一组指令,所述指令被布置以引起计算机或一套计算机来执行根据任何前述权利要求的步骤。
13.一种系统,其被布置以在从一个或多个多孔且可渗透的含烃岩层接收的流体中确定一种或多种阻垢聚合物的浓度,每种阻垢聚合物包括不同的化学标记,所述流体包括多种混合的所述阻垢聚合物,所述系统包括:
数据接收装置,被布置以接收:
表示在预确定的波长范围内的所述混合的阻垢聚合物的所测量的吸收光谱的第一输入数据,其中在所述流体的层析分离之后使用检测器测量所述所测量的吸收光谱;以及
表示参考吸收光谱的第二输入数据,所述参考吸收光谱包括:
a) 在所述预确定的波长范围上的所述阻垢聚合物中的每种的吸收光谱;以及
b) 预期存在于所述流体中的在所述预确定的波长范围内具有吸光度值的其它化学成分的基线参考吸收光谱;
第一吸收光谱得出装置,被配置成通过在从缺少每种阻垢聚合物的化学标记时的阻垢聚合物的层析分离之后使用检测器测量的吸收光谱中选择至少一个光谱得出在缺少每种阻垢聚合物的化学标记时的每种阻垢聚合物的吸收光谱;以及
浓度确定装置,被配置成:
在针对所述分离的洗脱时间上的多个离散时间步骤中的每一个处确定针对导致包括所述第二输入数据对所述第一输入数据的最佳拟合线性结合的所建模的光谱的每个参考吸收光谱的因数;以及
针对每种阻垢聚合物:
使用对应于针对预确定的数目的所述离散时间步骤已经确定了的所述阻垢聚合物的吸收光谱的因数来确定所述阻垢聚合物的浓度的指示。
14.根据权利要求13所述的系统,还包括第二吸收光谱得出装置,被配置成通过从在采出流体或表示从所述一个或多个岩层采出的采出流体的流体的层析分离之后使用检测器测量的吸收光谱中选择至少一个光谱得出所述流体的至少一个吸收光谱。
15.根据权利要求13或14所述的系统,还包括第三吸收光谱得出装置,被配置成通过从已经被暴露于来自其中已经测量所述光谱的大气的空气的水的吸收光谱中选择至少一个光谱得出包括在所述预确定的波长范围内具有吸光度值的其它化学成分的水的至少一个吸收光谱。
16.根据权利要求13或14所述的系统,其中所述数据接收装置还被布置以接收表示在预确定的波长范围内的在水中的阻垢聚合物的所测量的光谱的第三输入数据,其中在水中的阻垢聚合物的层析分离之后使用检测器测量所测量的光谱;所述系统还包括精炼装置,被配置成针对每种阻垢聚合物通过以下来精炼所述阻垢聚合物的吸收光谱:
i) 针对在所述第三输入数据中的每个所测量的光谱确定针对导致包括参考吸收光谱对所述所测量的光谱的最佳拟合线性结合的所建模的光谱的参考吸收光谱中的每一个的因数,并从所述所测量的光谱中减去乘以基线参考吸收光谱的对应因数的基线参考吸收光谱来产生精炼参考吸光度数据;以及
ii) 从由所述所测量的光谱中的所有产生的精炼参考吸光度数据中选择对应于最大吸收的精炼参考吸光度数据。
17.根据权利要求13或14所述的系统,其中所述系统还包括操作模式确定装置,被布置以基于包括所述化学标记的相应的一种或多种阻垢聚合物的所确定的浓度来确定阻垢剂处理系统的操作模式。
18.根据权利要求17所述的系统,其中所述系统在操作中被连接到所述阻垢剂处理系统的控制器使得所述阻垢剂处理系统的控制器被自动地配置有所确定的一个或多个操作模式,所述控制器被布置以应用所述一个或多个操作模式。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13178796.2 | 2013-07-31 | ||
EP13178796 | 2013-07-31 | ||
PCT/EP2014/065857 WO2015014694A1 (en) | 2013-07-31 | 2014-07-23 | Concentration determining method and system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105683332A CN105683332A (zh) | 2016-06-15 |
CN105683332B true CN105683332B (zh) | 2019-01-08 |
Family
ID=48915874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480054323.7A Expired - Fee Related CN105683332B (zh) | 2013-07-31 | 2014-07-23 | 浓度确定方法和系统 |
Country Status (8)
Country | Link |
---|---|
US (1) | US9845674B2 (zh) |
EP (1) | EP3027704B1 (zh) |
CN (1) | CN105683332B (zh) |
AU (1) | AU2014298690B2 (zh) |
BR (1) | BR112016002132A2 (zh) |
CA (1) | CA2919924A1 (zh) |
MY (1) | MY176194A (zh) |
WO (1) | WO2015014694A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9921204B2 (en) * | 2015-11-03 | 2018-03-20 | Weatherford Technology Holdings, Llc | System and method for fluid composition characterization |
US11255729B2 (en) * | 2016-10-18 | 2022-02-22 | Samsung Electronics Co., Ltd. | Apparatus and method for monitoring stability of spectrum |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070267193A1 (en) * | 2003-06-25 | 2007-11-22 | Emma Hills | Stimulating Oilfields Using Different Scale-Inhibitors |
WO2012016837A1 (de) * | 2010-08-04 | 2012-02-09 | Wacker Chemie Ag | Beta - ketocarbonylquatverbindungen und verfahren zu deren herstellung |
WO2012098186A1 (en) * | 2011-01-19 | 2012-07-26 | Rhodia Operations | Families of scale-inhibitors having different absorption profiles and their application in oilfield |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120032093A1 (en) * | 2010-08-03 | 2012-02-09 | Kemira Chemicals Inc. | Tagged scale inhibitor compositions and methods of inhibiting scale |
-
2014
- 2014-07-23 US US14/908,175 patent/US9845674B2/en not_active Expired - Fee Related
- 2014-07-23 CA CA2919924A patent/CA2919924A1/en not_active Abandoned
- 2014-07-23 WO PCT/EP2014/065857 patent/WO2015014694A1/en active Application Filing
- 2014-07-23 BR BR112016002132A patent/BR112016002132A2/pt not_active Application Discontinuation
- 2014-07-23 CN CN201480054323.7A patent/CN105683332B/zh not_active Expired - Fee Related
- 2014-07-23 AU AU2014298690A patent/AU2014298690B2/en not_active Ceased
- 2014-07-23 MY MYPI2016700343A patent/MY176194A/en unknown
- 2014-07-23 EP EP14746987.8A patent/EP3027704B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070267193A1 (en) * | 2003-06-25 | 2007-11-22 | Emma Hills | Stimulating Oilfields Using Different Scale-Inhibitors |
WO2012016837A1 (de) * | 2010-08-04 | 2012-02-09 | Wacker Chemie Ag | Beta - ketocarbonylquatverbindungen und verfahren zu deren herstellung |
CN103080071A (zh) * | 2010-08-04 | 2013-05-01 | 瓦克化学股份公司 | β-酮羰基季铵化合物及其制备方法 |
WO2012098186A1 (en) * | 2011-01-19 | 2012-07-26 | Rhodia Operations | Families of scale-inhibitors having different absorption profiles and their application in oilfield |
Also Published As
Publication number | Publication date |
---|---|
AU2014298690A1 (en) | 2016-02-25 |
AU2014298690B2 (en) | 2018-06-07 |
AU2014298690A2 (en) | 2016-03-03 |
US9845674B2 (en) | 2017-12-19 |
EP3027704B1 (en) | 2020-09-16 |
MY176194A (en) | 2020-07-24 |
CA2919924A1 (en) | 2015-02-05 |
BR112016002132A2 (pt) | 2017-08-01 |
US20160168986A1 (en) | 2016-06-16 |
WO2015014694A1 (en) | 2015-02-05 |
EP3027704A1 (en) | 2016-06-08 |
CN105683332A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9804062B2 (en) | Apparatus and method for testing multiple samples | |
Zou et al. | Experimental and theoretical evidence for increased ganglion dynamics during fractional flow in mixed‐wet porous media | |
US10775359B2 (en) | Measurement of formation rock properties by diffusion | |
Al Ismail et al. | Effects of rock mineralogy and pore structure on stress-dependent permeability of shale samples | |
US20220074303A1 (en) | Determining reservoir fluid properties from downhole fluid analysis data using machine learning | |
Larter et al. | Reservoir geochemistry: A link between reservoir geology and engineering? | |
Mullins et al. | The dynamics of reservoir fluids and their substantial systematic variations | |
CN105683332B (zh) | 浓度确定方法和系统 | |
Masoudi et al. | Developing a method for identification of net zones using log data and diffusivity equation | |
Hassan | Correlation for solution gas-oil ratio of Iraqi oils at pressures below the bubble point pressure | |
Zuo et al. | Advances in quantification of miscible contamination in hydrocarbon and water samples from downhole to surface laboratories | |
US8078402B2 (en) | Method of ranking geomarkers and compositional allocation of wellbore effluents | |
Jarvie* et al. | Mexico's tithonian Pimienta shale: potential for unconventional production | |
Hy-Billiot et al. | Getting the best from formation tester sampling | |
Mullins et al. | Downhole fluid analysis and gas chromatography; a powerful combination for reservoir evaluation | |
Bennett et al. | Measurement of partition coefficients of phenol and cresols in gas-charged crude oil/water systems | |
RU2786663C1 (ru) | Способ идентификации межпластовых перетоков при разработке нефтегазоконденсатных или нефтяных месторождений | |
US20220391998A1 (en) | Fingerprinting and machine learning for production predictions | |
CN113125623B (zh) | 一种基于二维色谱录井信息的油气评价方法 | |
Craddock et al. | Assessing Reservoir Quality in Tight Oil Plays with the Downhole Reservoir Producibility Index (RPI) | |
Al-Sadah | Characterization of Crude Oils and Asphaltenes for Al-Shaheen Field | |
Sitdikova et al. | Specificity of reservoir simulation of heavy oil field accounting rock wettability | |
Novikov et al. | Saturation Evaluation of Low Permeability Condensate Reservoirs in the Presence of an Oil-Rim with Wireline Formation Testers | |
Amjad et al. | Reservoir fluid identification–a case study of a near critical fluid from low permeability exploratory reservoir | |
Simanjuntak et al. | Managing Fluid Saturation Uncertainties in Low Resistivity Gas Reservoirs: A Case Study from the" X" Field in the Baram Delta, Offshore Sarawak, Malaysia |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190108 Termination date: 20210723 |