Orientador : Antonio Claudio de França Correa

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia de Campinas

Resumo: Experimentos de deslocamento miscível são realizados para se determinar a dispersão em meios porosos. Medidas da composição do fluído na saida do testemunho são interpretadas usando-se vários modelos. A equação da convecção-dispersão modela o fluxo miscível em testemunhos homogêneos. Os...

Resumo: Experimentos de deslocamento miscível são realizados para se determinar a dispersão em meios porosos. Medidas da composição do fluído na saida do testemunho são interpretadas usando-se vários modelos. A equação da convecção-dispersão modela o fluxo miscível em testemunhos homogêneos. Os dados para testemunhos heterogêneos podem ser interpretados usando-se o modelo de Coats-Smith. O modelo das eSleras porosas e o modelo de difusão transversa na matriz. Destes modelos o único que apresenta uma solução analítica simples é a equação da convecção-dispersão. Usualmente as equações dos modelos heterogêneos são resolvidas com métodos de diferenças que tem associada a si uma dispersão numérica, a qual se soma à dispersão física no meio poroso. Assim, estes métodos necessitam corrigir esta dispersão numérica, o que faz com que eles fiquem muito lentos computacionalmente. Além disso, os métodos de ajuste de curva podem nos levar à respostas erradas se a estimativa inicial é muito diferente do conjunto de parâmetros que dão o melhor ajuste. Esta dissertação apresenta uma nova metodologia para interpretar deslocamentos de deslocamento miscível. O modelos heterogêneos são resolvidos invertendo-se numericamente as soluções destes modelos obtidas no espaço de Laplace. A inversão numérica é feita com o algoritmo de Crump que para esta classe de problemas, dá resposta exatas até a sexta casa decimal. A inversão numérica de translormadas de Laplace é virtualmente isenta de dispersão numérica. Como estimativa inicial do procedimento de ajuste de curva, o método utiliza valores obtidos por métodos gráficos convergência mais rápida para o conjunto ótimo de parâmetros. A aplicação dos métodos gráficos somente é possivel para experimentos de injeção de banco os dados do efluente são deconvoluídos. Isto é, os dados do efluente referentes à injeção de banco são transformados em dados equivalentes à uma injeção contínua. Assim. pode-se aplicar os métodos gráficos nos dados deconvoluidos. Uma análise de vários experimentos de deslocamento miscível apresentados por Bretz e Orr foi realizada com a metodologia aqui proposta, e os resultados obtidos por estes autores. A metodologia provou ser mais rápida e precisa que os métodos usuais de interpretação. Também foi montado um aparato experimental que coleta e envia dados de concentração na saída do testemunho diretamente a um microcomputador permitindo assim um maior controle sobre o teste, uma maior confiabilidade dos dados obtidos e uma estimativa dos parâmetros de deslocamento miscível enquanto se process o teste

Abstract: Miscible displacement experiments are carried out to compute the amount of mixing in porous media. Effluent composition measurements are interpreted using various models. The convection-dispersion equation modeks the mixing behavior in interpreted using the Coats-Smith model, the Porous...

Abstract: Miscible displacement experiments are carried out to compute the amount of mixing in porous media. Effluent composition measurements are interpreted using various models. The convection-dispersion equation modeks the mixing behavior in interpreted using the Coats-Smith model, the Porous Sphere model and the Transverse Matrix Difusion Model. Of those models the only one that presents a simple analitycal solution is the convection-dispersion model. Usually the equations of for the heterogeneous models are solved by finite difference method which result in inherent numerical dispersion in adition to the actual physical dispersion. Thys, these methods must correct for the numerical dispersion, what make them too slow to compute. Besides that, the curve fitting methods can lead to uncertain answers if the initial guess is much different from the set of parameters thar gives the best fit. This paper presents a new methodology to interpret miscible displament experiments. He heterogeneous models are solved by numerically inverting the solutions for those models obtained in Laplace domain. The numerical inversion is done by the Crump's algorithm, which for this class of problems, gives exact answers up to six figures. The numerical inversion of Laplace transforms is virtuallu free fromm numerical dispersion. As initial guess of the curve fitting procedure, the method utilizes values obtained by graphical methods, ensuring a faster convergency to the optimal set of parameters. The application of the graphical methods is onlu possible for a step cange inhection experiment. For slug injection experiments the effluent data are deconvolved, that is, the equivalent effluent data of a step change injection. Thus we can apply the graphical methodson the deconvovled data. An analusis of various experiments published on literatyre was carried out by the proposed methods herein and the results conpared with literature's results. The methodology proved to be faster and more accurate than the usual methods of interpretation. Usually, in miscible displacement experiments, only the effluent composition is mesasured supposing that a perfect step change or slug is injected at core inlet. As shown the experiments presented in this paper there is a dispersion of the front before it enters on the core, Thar changes the behavior of the outlet composition profile leading us to make uncertain interpretations. We can avod that by doing measurements of fluid composition on inlet and outlet of the core and the apply the deconvolution method on these data to obtain the equivalent response to a step change