塔河稠油掺稀粘度预测模型

明亮, 敬加强, 代科敏, 李业, 吴东容

明亮, 敬加强, 代科敏, 李业, 吴东容. 塔河稠油掺稀粘度预测模型[J]. 油气储运, 2013, 32(3): 263-266, 269. DOI: 10.6047/j.issn.1000-8241.2013.03.007
引用本文: 明亮, 敬加强, 代科敏, 李业, 吴东容. 塔河稠油掺稀粘度预测模型[J]. 油气储运, 2013, 32(3): 263-266, 269. DOI: 10.6047/j.issn.1000-8241.2013.03.007
Ming Liang, Jing Jiaqiang, Dai Kemin, Li Ye, Wu Dongrong. Prediction model for viscosity of Tahe Heavy Oil mixed with light oil[J]. Oil & Gas Storage and Transportation, 2013, 32(3): 263-266, 269. DOI: 10.6047/j.issn.1000-8241.2013.03.007
Citation: Ming Liang, Jing Jiaqiang, Dai Kemin, Li Ye, Wu Dongrong. Prediction model for viscosity of Tahe Heavy Oil mixed with light oil[J]. Oil & Gas Storage and Transportation, 2013, 32(3): 263-266, 269. DOI: 10.6047/j.issn.1000-8241.2013.03.007

塔河稠油掺稀粘度预测模型

基金项目: 

国家自然基金“稠油流动边界层在水基泡沫作用下的阻力特性研究” 51074136

高等学校博士学科点专项科研基金联合资助项目“稠油掺水流动粘度测定及压降预测研究” 20115121110004

详细信息
    作者简介:

    明亮,在读硕士生,1983年生,2007毕业于武汉理工大学自动化专业,现主要从事油气储运集输工艺和理论研究。电话:13608076646;Email:mingliang1218@gmail.com

  • 中图分类号: TE832

Prediction model for viscosity of Tahe Heavy Oil mixed with light oil

More Information
    Author Bio:

    Ming Liang, reading master, born in 1983, graduated from Wuhan University of Technology, automation, in 2007, engaged in the research of oil & gas storage and transportation technology and theory. Tel: 13608076646, Email: mingliang1218@gmail.com

  • 摘要: 利用塔河稠油分别掺混4种塔河稀油的粘度测试数据,对Arrhenius粘度模型、双对数粘度模型、Cragoe粘度模型和Lederer粘度模型进行评价,结果显示:Cragoe模型准确度最高,最适合对塔河稠油掺稀粘度进行预测。考虑不同掺稀体积比对Cragoe模型预测结果的影响,将稠油的质量分数作为Cragoe粘度模型的改进参数,分别对稀稠体积比高于和低于1:1的预测值进行放大和缩小处理,改进Cragoe模型,实现平均误差和最大误差较改进前分别下降43%和32%。
    Abstract: By using viscosity testing data of Tahe Heavy Oils mixed with 4 kinds of Tahe Light Oils, Arrhenius viscosity model, double logarithmic viscosity model, Cragoe viscosity model and Lederer viscosity model are evaluated. The results show that Cragoe model has the highest accuracy and is most suitable for prediction of the viscosity of Tahe Heavy Oil mixed with light oil. In consideration of impacts of different mixed light oil volumes on prediction error of the Cragoe model, mass fraction of the heavy oil is taken as an improvement parameter of the Cragoe viscosity model to conduct increase and reduction of predicted values respectively for light oil-heavy oil volume ratios higher and lower than 1:1, so that the Cragoe model is improved to reduce average error and maximum error respectively by 43% and 32%.
  • 目前,塔河油田稠油开发量占总产量的60%以上。稠油掺稀工艺降粘效果好、技术成熟,在稠油生产中得到广泛应用。油品粘度是选择管道规格,确定泵站数、泵站布置、泵规格等不可或缺的基础数据,也是选择稠油输送工艺的重要参数。调整稠油掺稀工艺,优选稀油种类、掺入比例、输送温度,需要以掺入后混合油的粘度为依据。粘度实测值较计算值具有更高的可靠性,但实验工作量较大。通过可靠的粘度计算模型计算稠油掺稀粘度,能够有效减少实验工作量,提高工作效率[1]。通过实验对多种粘度计算模型进行检验,选择最适合塔河稠油掺稀的粘度计算模型[2],并对其加以改进,使其达到工程应用的要求。

    国内外学者基于实验数据,通过线性回归方法得到10余种混合物粘度计算模型,其中适用于稠油掺稀粘度预测的模型主要有:Arrhenius粘度模型[3]、双对数粘度模型[4]、Cragoe粘度模型和Lederer粘度模型[5](表 1,其中:μm为混合物粘度;X1X2分别为稠油和稀油的质量分数;μ1μ2分别为稠油和稀油粘度;LmL1L2分别为混合油、稠油、稀油的L计算值;Li为稠油或稀油的L计算值;μi为稠油或稀油粘度;α为经验常数;V1V2分别为稠油和稀油的体积分数;Δρ为稠油稀油密度差;ρ1ρ2分别为稠油和稀油密度)。4种模型各有不同的适用范围。因此,预测掺稀稠油粘度时,只有利用实验数据进行对比,才能优选出可靠的模型[9]

    表  1  稠油掺稀粘度预测模型
    下载: 导出CSV 
    | 显示表格

    选取塔河油田具有代表性的TH12312稠油(代号H1)以及4种稀油油样(代号分别为T1、T2、T3和T4),测定其粘度、密度值(图 1图 2)。

    图  1  塔河油样粘温曲线
    图  2  塔河油样密度-温度关系曲线

    配制掺稀试样:用烧杯量取适量稠油,将待掺稀油按照不同稀稠比加入稠油中,搅拌20 min,使其充分混合后待用。

    测试粘度:采用Anto Paar公司Rheolab QC流变仪(粘度测试范围1~109 mPa·s)测试试样的剪切应力和剪切速率,测试温度50~80 ℃,降温过程:每次温降幅度10 ℃,每个温度点恒温10 min,采用Excel绘制流变曲线并拟合出流变方程,进而计算试样粘度。

    将4种稀油油样分别按稀油稠油体积比1:2、1:1和3:2掺入塔河稠油中,配制12种掺稀油样各40 mL。在80 ℃、70 ℃、60 ℃和50 ℃温度下,测定粘度[10],同时使用4种粘度模型预测其在不同测试温度下的粘度,与实测值进行对比(表 2~表 5)。

    表  2  稠油H1掺稀油T1后的粘度
    下载: 导出CSV 
    | 显示表格
    表  3  稠油H1掺稀油T2后的粘度
    下载: 导出CSV 
    | 显示表格
    表  4  稠油H1掺稀油T3后的粘度
    下载: 导出CSV 
    | 显示表格
    表  5  稠油H1掺稀油T4后的粘度
    下载: 导出CSV 
    | 显示表格

    采用平均误差和最大误差为判别标准,对4个模型的计算结果进行评价,优选出最适合塔河稠油掺稀粘度预测模型。平均误差为测量误差绝对值的数学期望,数值越小,拟合精度越高[11],方程式如下:

    (1)

    式中:W为平均误差;n为求和数据总数;v实测粘度值;为模型预测粘度值。

    最大误差为测量误差的最大值,数值越低,拟合精度越高,方程式如下:

    (2)

    式中:z为最大误差。

    根据表 2~表 5数据,可得各模型在不同条件下的平均误差和最大误差(表 6表 7)。模型1计入全部掺稀混合油的预测粘度值平均误差达到144.2%,最大误差为420.1%,不适用于塔河掺稀稠油粘度的预测。模型4计入全部掺稀混合油的预测粘度值平均误差为24.6%,误差仍然较大,不建议用于预测塔河掺稀稠油的粘度。模型2计入全部掺稀混合油的预测粘度值平均误差为17.1%,掺入稀油T3和T4时平均误差为11.9%、11.2%,当稠油稀油粘度比不超过1 000时,可作为辅助公式验证预测值。模型3在4个模型中预测值的准确度最高,在稠油中分别掺入稀油T1、T2、T3和T4时,平均误差分别为9.7%、8.7%、9.5%和10.3%,计入4种掺稀混合油的平均误差为9.6%,最大误差分别为15.8%、22.0%、20.7%和20.9%。原油粘度的测量误差、原油取样误差以及原油老化影响等因素引起的误差,往往超过20%[4],因此,使用模型3(Cragoe粘度模型)预测塔河稠油掺稀粘度在工程上是可行的。

    表  6  稠油掺稀粘度预测模型1与模型2的误差分析
    下载: 导出CSV 
    | 显示表格
    表  7  稠油掺稀粘度预测模型3与模型4的误差分析
    下载: 导出CSV 
    | 显示表格

    为了使Cragoe粘度模型能够更有针对性更准确的预测塔河稠油掺稀后粘度,需要对模型进行改进。表 2表 3数据呈现如下规律:随着掺入稀油比例上升,大部分预测值出现偏小趋势。

    当稀稠体积比为1:2时,Cragoe粘度模型计入全部掺稀混合油的预测粘度值平均误差相对较大,为12.33%;当稀稠体积比为3:2时,计入全部掺稀混合油的预测粘度值平均误差相对较小,为9.44%;当稀稠体积比为1:1时,计入全部掺稀混合油的预测粘度值平均误差介于-3.48%~3.93%之间。观察同等条件下稠油的质量分数,其在减去同一稀稠体积比1:1时的稠油质量分数后,与Cragoe粘度模型对应的误差值变化规律相似。因此使用该变量作为Cragoe粘度模型的改进参数,以稀稠体积比1:1为中心,分别对稀稠体积比高于和低于1:1的预测值进行放大和缩小处理。改进后的Cragoe粘度模型方程式为:

    (3)

    式中:σ为Cragoe粘度模型缩放因子;X1为稠油的质量分数;X11为稀稠油体积比为1:1时稠油的质量分数;κ为修正系数。

    稀稠油体积比分别为1:2和3:2时,X1-X11分别为0.161和-0.101,对应的Cragoe粘度模型误差分别为12.33%和-9.44%。Cragoe改进模型在稀稠油体积比为1:2和3:2,预测值平均误差为0%时,得到修正系数κ的最小值和最大值,其取值范围为0.68~1.03。在κ取值范围内,步长设为0.01,使用枚举法计算求得:当κ=0.7时,改进模型的平均误差最小(图 3)。

    图  3  Cragoe粘度模型改进前后的绝对误差

    Cragoe粘度模型改进前平均误差为9.6%,最大误差为22%;改进后平均误差降低至5.5%,最大误差降低至15.1%,90%以上测量点的绝对误差控制在10%以内。

    (1) 作为研究对象的4个模型中,Cragoe粘度模型预测的塔河稠油掺稀后粘度准确度最高,平均误差9.6%,最大误差22%,能够满足工程应用的要求。

    (2) 当塔河稀油稠油体积比为1:2~3:2时,随着掺入稀油比例的上升,Cragoe粘度模型的预测值呈现偏小趋势。

    (3) 考虑掺稀比对掺稀混合油粘度预测值的影响,对Cragoe粘度模型进行改进,平均误差和最大误差较改进前分别下降43%和32%。

    (4) 若已知掺稀混合油的粘度和温度,Cragoe改进模型可以计算求得稠油和稀油的混合比例。

  • 图  1   塔河油样粘温曲线

    图  2   塔河油样密度-温度关系曲线

    图  3   Cragoe粘度模型改进前后的绝对误差

    表  1   稠油掺稀粘度预测模型

    下载: 导出CSV

    表  2   稠油H1掺稀油T1后的粘度

    下载: 导出CSV

    表  3   稠油H1掺稀油T2后的粘度

    下载: 导出CSV

    表  4   稠油H1掺稀油T3后的粘度

    下载: 导出CSV

    表  5   稠油H1掺稀油T4后的粘度

    下载: 导出CSV

    表  6   稠油掺稀粘度预测模型1与模型2的误差分析

    下载: 导出CSV

    表  7   稠油掺稀粘度预测模型3与模型4的误差分析

    下载: 导出CSV
  • [1] 易玉峰, 李术元, 丁福臣. 石油粘度关联预测模型研究进展[J]. 当代化工, 2008, 37(5): 532-535. https://www.cnki.com.cn/Article/CJFDTOTAL-SYHH200805029.htm
    [2] 孟庆萍. 混合原油粘度计算模型[J]. 油气储运, 2007, 26(10): 22-24. https://www.cnki.com.cn/Article/CJFDTOTAL-YQCY200710006.htm
    [3]

    Degiorgis G L, Maturano S, Garay M. Oil mixture viscosity behavior: use in pipeline design[C]. SPE69420, 2001.

    [4] 陈永遂, 马化普. 对稠油中掺入稀油后混合粘度计算公式的探讨[J]. 油气田地面工程, 1983, 2(4): 1-7. https://www.cnki.com.cn/Article/CJFDTOTAL-YQTD198304000.htm
    [5] 叶亚中, 申率, 秦小勇. 稠油中掺轻油混合粘度的计算方法分析[J]. 油气储运, 1986, 5(4): 1-8. https://www.cnki.com.cn/Article/CJFDTOTAL-YQCY198604001.htm
    [6] 郑云萍, 李勋, 汪玉春, 等. 混合原油粘温数学模型研究进展[J]. 油气储运, 2010, 29(9): 683-685. https://www.cnki.com.cn/Article/CJFDTOTAL-YQCY201009015.htm
    [7] 孟庆评, 杜彪. Lederer粘度模型适用范围[J]. 油气储运, 2007, 26(12): 29-31. https://www.cnki.com.cn/Article/CJFDTOTAL-YQCY200712007.htm
    [8]

    Shu W R. A viscosity correlation for mixture of heavy oil, bitumen and petroleum fractions[J]. AIME, 1984(6): 277-282.

    [9] 王婷, 阳绪斌, 张衡, 等. 混合后掺稀混油黏度计算方法的研究[J]. 管道技术与设备, 2012(1): 18-19.
    [10] 张春明, 赵红静, 肖乾华, 等. 稠油粘度预测新模型[J]. 长江大学学报(自科版), 2005, 2(7): 216-218. https://www.cnki.com.cn/Article/CJFDTOTAL-JHSH200507013.htm
    [11] 南立团, 汪玉春, 韩朋科, 等. 混合原油粘温数学模型的最优化研究[J]. 油气储运, 2008, 27(11): 26-28. https://www.cnki.com.cn/Article/CJFDTOTAL-YQCY200811009.htm
图(3)  /  表(7)
计量
  • 文章访问数: 
  • HTML全文浏览量:  0
  • PDF下载量: 
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-06-03
  • 网络出版日期:  2023-08-20
  • 发布日期:  2013-03-12
  • 刊出日期:  2013-03-24

目录

/

返回文章
返回