WETTABILITY ANALYSIS IN SHALE ORGANIC PORES AT THE NANOSCALE
-
摘要: 针对页岩有机质分子模型不能真实表征储层孔隙属性, 纳米有机质孔隙中润湿性难以判别等问题, 进行页岩气藏纳米孔隙中基于真实干酪根有机质模型的微观润湿性研究. 利用分子动力学方法, 建立传统有机质模型以及真实干酪根有机质模型, 从模型可视化、空间密度分布特征以及势能机理等方面分析干酪根孔隙中页岩气与水的润湿行为特征, 同时考虑体系温度、孔隙尺寸以及水桥尺寸对润湿状态的影响. 结果表明, 传统有机质模型由于过于理想的假设, 难以对水在有机质中的润湿行为进行精确描述. 干酪根模型以其复杂的分子结构、多样的元素种类, 在有机质的润湿性刻画中有着更好的表现. 纳米有机质孔隙中的水相分为高密度区域与低密度区域, 其中低密度区域中的水分子分布在气液两相的界面处, 所以此部分水分子受到较弱的氢键相互作用, 使其更容易发生逸散并且更易被干酪根基质的相互作用所捕获, 从而在有机质表面进行吸附. 此行为进而表现为一种水分子亲和干酪根基质的润湿假相, 而水相的高密度区域部分却表现为非润湿的状态.Abstract: In view of the problems that wettability is difficult to distinguish in shale nanoscale organic matter pores and the organic matter model cannot truly characterize the pore properties of reservoirs, molecular dynamics research on wettability in shale gas nanoscale pores based on real kerogen organic matter model is proposed. The simulation of smooth and rough graphene ideal models as well as the actual organic matter model of kerogen are built, and wetting behavior characteristics in kerogen pores are analyzed by using the model visualization, the distribution of the density of space, and the analysis of potential energy. There is also an investigation of the effects of temperature, the size of the pores, and the size of the liquid bridge on the wetting condition. Since the traditional organic matter model is based on ideal assumptions, it is difficult to accurately describe the wetting behavior of water in graphene models. As a result of the complex molecular structure and various element types, the kerogen model is more realistic in characterization of wettability of water phase in the organic pore. The water phase in the organic nanopores presents two types of regions: high density region and low density region. Water molecules in the low density region concentrates on the gas-liquid phase interface, where the hydrogen bond interaction is weaker compared with that in the water bulk phase, indicating that this part of molecules are able to diffuse into the gas phase. In addition, the diffused water molecules can also be easily trapped by the kerogen matrix due to its strong attractive interaction. Afterwards, the water molecules will adsorb on the kerogen matrix, presenting a fake wetting condition from the visualization. However, the water phase in the high density region shows the presence of non-wetting condition, which is more realistic for water in the organic pores.
-
Keywords:
- molecular dynamics /
- shale nanopores /
- wettability /
- shale gas /
- water
-
引 言
页岩气藏是致密性气藏, 其孔隙度和渗透率极低, 页岩孔隙尺寸分布在纳米到微米范围, 对实验室实验的开展提出较大挑战[1-3]. 数字岩心技术可以对微米级孔隙进行可视化处理[4-5], 但其难以对研究问题进行机理层面的分析, 且实验成本高昂. 数值计算模拟是一种突破实验室条件限制的手段[6], 其大体分为有网格和无网格的计算方法[7-8]. 作为一种无网格方法, 分子动力学模拟技术在纳米尺度的页岩气吸附与流动问题研究中已经取得一定成效[9-11], 但各类流体与界面的研究落脚点都是在其作用行为上: 宏观上的表述是润湿性问题, 微观上的表述是流体分子与介质之间的相互作用.
润湿性的实验室检测手段已经相对成熟[12-13], 然而在微观尺度上, 页岩有机质的模型构建以及相应润湿行为的研究还存在不足. 石墨烯常被采用作为页岩有机质的分子模型, 但其过于理想化的壁面结构和单一的元素构成对流体的吸附以及润湿行为产生过高的估计, 所以选择合适的有机质模型尤为重要[14-15]. 针对此种问题, 亟需建立一套能够体现地层特性的有机质模型来描述纳米尺度下的润湿行为.
干酪根作为页岩储层中的一种烃源岩, 目前已有部分学者对其进行了研究[16-17]. Wood等[18]对页岩中的干酪根进行热力学特征的描述, 揭示了其在页岩气资源的勘探开采中的巨大作用. Ungerer等[19]通过一系列实验手段, 建立了不同成熟度窗口的干酪根分子模型, 为后续干酪根分子尺度的相关研究提供模型基础. Liu等[20-23]基于分子动力学方法, 通过构建干酪根有机孔隙, 研究了页岩油的吸附与流动特性. Felipe等[24]构建了干酪根多孔介质, 研究了多组分流体在其中的赋存状态, 研究发现: 水分子倾向于吸附在干酪根基质表面, 而甲烷组分倾向赋存于孔隙体相空间中. Jagadisan等[25]研究了水滴在干酪根壁面上的润湿状态, 研究发现水滴与干酪根壁面之间呈现为较强的润湿特征. 虽然特定结构的干酪根分子很难完美地反映出页岩有机质的性质, 但其绝大部分的特征可以被较好地体现. 目前研究中存在的问题在于: 由于有机质与水分子之间存在较强的相互作用, 使研究中对有机壁面的润湿特性难以判断[26-28].
文章首先通过比较并建立传统有机质模型与真实干酪根有机质模型, 进而计算页岩气环境下的水相的润湿状态, 随后从模型可视化、水桥与甲烷的密度分布进行分析比较. 通过二维势能与相互作用力的计算, 进而从能量机理层面对水桥的润湿行为进行解释. 对于页岩气藏中的敏感性条件, 如: 温度、孔隙尺寸和水桥尺寸, 相应的空间状态以及润湿行为进行了对应的分析. 对于水相从水桥形态到水滴形态的转变过程也进行了研究, 从而验证了润湿假相在水桥与水滴两种状态下都存在的特性.
本工作采用分子动力学方法, 研究了页岩有机纳米孔隙中的润湿相行为, 以期为纳米尺度页岩油气开采提供参考数据.
1. 分子模型与模拟方法
1.1 分子模型
选取Ⅱ-D型干酪根分子构建真实纳米有机质通道, 这是由于其常被发现于页岩气储层中并对应页岩气的熟化窗口[19]. 干酪根基质由42个干酪根单体分子构成, 其质量密度被控制在1.1 ~ 1.2 g/cm3[29]. 模拟空间尺寸为12.55 nm × 8.15 nm × 6.28 nm, 初始水相的厚度为3.0 nm, 甲烷分子填充在除水相之外的气相空间中. 模型的可视化通过visual molecular dynamics软件实现[30]. 模型中流体原子使用polymer consistent force field (PCFF)力场进行描述, 其已被广泛应用到与干酪根分子相关的研究中[21, 31]. 不同种类原子之间的力场参数通过Waldman-Hagler混合准则进行计算[32], 流体的力场参数见表1. 干酪根分子与石墨烯采用公开的PCFF力场参数[21, 31], 不再进行赘述. 基于相互作用参数, 原子间的相互作用通过Lennard-Jones 势能函数进行描述. 模型在所有方向均采用周期性边界条件, 截断半径控制为1.2 nm.
表 1 流体分子相互作用参数Table 1. Interaction parameters of fluid moleculesSpecies Charge ε/(kJ·mol−1) σ/nm O (water) −0.82 0.274 0.3608 H (water) 0.41 0.013 1.098 C (CH4) −0.212 0.054 4.01 H (CH4) 0.053 0.02 2.995 1.2 模拟方法
模型通过large-scale atomic/molecular massively parallel simulator软件程序进行分子动力学的计算[33]. 首先构建干酪根基质作为壁面模型, 通过将干酪根分子单纯填充于模拟体系中, 使用NPT系综进行体积压缩, 目标压力为30 MPa, 时间步长为0.1 fs, 模拟时间为100 ps, 从而使干酪根基质达到相应密度状态. 然后将干酪根基质作为体系壁面, 于通道中填充流体分子. 然后使用NVT系综对所有流体分子进行步长1 fs, 时间总长1.5 ns的模拟. 在此期间, 每隔1 fs进行一次时间平均, 每隔0.5 ns进行一次数据收集. 其中NPT系综与NVT系综模拟过程中的流体温度均控制在300 K. 在模拟过程中, 干酪根基质被冷冻处理, 不对其进行控温, 进而保证模拟的稳定性. 为了减少随机误差, 每个案例进行3次独立的模拟计算.
2. 传统有机质模型对水的润湿行为影响
通过石墨烯平板来代表传统有机质模型, 如图1所示, 体系上下各采用4层石墨烯平板. 初始时刻, 水分子规则填充于石墨烯平板之间, 水相与石墨烯接触为直角状态. 随着计算的进行, 由于石墨烯壁面与水分子的相互作用, 水相与石墨烯之间的接触角表现为锐角, 并且水相会沿石墨烯壁面进行随机移动. 然而, 石墨烯是代表有机质模型, 水相表现出的却是润湿特性, 这与常规认识相悖. 水分子与石墨烯壁面的相互作用是较强的, 在密度分布中, 水分子在石墨烯壁面形成了致密的吸附层. 但由于其光滑的表面, 无法在平行于壁面的方向上为水分子的铺展提供阻力, 只能在垂直于壁面的方向上提供作用力, 所以水分子会在光滑石墨烯壁面上进行充足的铺展. 但由于氢键作用, 水分子倾向于形成团簇状, 集团状分布, 使水分子不会在光滑石墨烯壁面进行过分铺展. 在这两种因素的影响(水平阻力的缺失, 氢键作用)下, 水分子表现出一种润湿的现象.
![]()
图 1 不同时刻下, 水相在光滑石墨烯壁面润湿性的可视化模型Figure 1. Snapshots of wetting conditions of water phase on smooth graphene walls at various times水相的随机移动, 表明石墨烯极其光滑的表面可能会错误估计其润湿性, 而宏观与微观尺度的有机质表面结构不统一, 是导致其结果矛盾的原因. 故改进石墨烯壁面, 如图2所示, 对两层石墨烯进行粗糙处理, 从而得到粗糙的石墨烯有机壁面. 水相的初始状态与图1中相同, 但由于粗糙度的影响, 水分子不能在粗糙石墨烯壁面上进行延展, 从而表现为一种约束状态. 这是由于石墨烯中的碳原子始终对水分子有一定的相互作用, 所以在图1中水分子会倾向吸附在石墨烯壁面, 而光滑的壁面在水分子的水平移动上并不能提供阻力, 所以表现为润湿状态. 而粗糙壁面能够在水平方向上阻碍水分子的移动, 使其受到抑制. 从原子的作用力角度, 壁面的粗糙度实际上就是为吸附流体提供了一种不连续的作用域. 在光滑壁面中的研究, 流体由于倾向于能量减小的方向进行运动, 也就是倾向于覆盖介质表面, 从而达到更加稳定的能量状态. 这种不连续的作用往往会阻碍流体的进一步运动, 达到一种局部能量稳定的状态. 在没有外部作用力(如驱动力)的影响下, 很难进行状态上的改变. 假设在此种条件下, 水相为润湿相, 则粗糙壁面并不能将水相限制于一定区域, 说明本质上石墨烯壁面对水是非润湿表面, 但是图2中并没有观察到水相的非润湿状态.
![]()
图 2 不同时刻下, 水相在粗糙石墨烯壁面润湿性的可视化模型Figure 2. Snapshots of wetting conditions of water phase on rough graphene walls at various times由于在页岩储层中, 页岩气的主要成分是甲烷, 所以在图3中相应密度的甲烷被添加进入模拟体系. 结果显示, 在加入甲烷组分前后, 水相的润湿行为没有产生明显的变化. 为进一步验证此种体系下的水相润湿情况, 构建了关于流体的二维密度云图, 如图4所示. 结果显示, 水相以及甲烷均在石墨烯壁面处形成吸附层, 水相吸附层尤为致密, 且出现了分层吸附现象, 此结果与前人的研究结论相符[14]. 相比于光滑石墨烯模型中的结果, 粗糙石墨烯模型中的水相润湿程度减弱. 这说明粗糙度是制约润湿性的一个重要因素, 但真实有机质的复杂结构很难通过认为构造的粗糙壁面来表示, 所以石墨烯模型本身并不适合作为页岩有机质模型来研究其中的润湿行为.
![]()
图 3 不同时刻下, 甲烷环境中, 水相粗糙石墨烯壁面润湿性的可视化模型Figure 3. Snapshots of wetting conditions of water phase and methane on rough graphene walls at various times![]()
图 4 甲烷和水相在粗糙石墨烯壁面中的二维密度分布云图Figure 4. Two-dimensional density contours of water and methane phases in the rough graphene system3. 干酪根有机质中的润湿行为分析
为了精确描述页岩有机质中的润湿行为, 选用干酪根代表真实有机质模型, 如图5所示, 水相与甲烷模型与上文中的设置方法相同. 通过模型可视化的结果显示, 水相仍然表现为近似润湿的状态. 图6展示了此种状态下的各组分的一维密度剖面, 能够更加清楚地表现不同组分的分布状态. 如图6(a)中所示, 水和甲烷均在干酪根壁面上形成吸附层, 但在横向分布的结果中, 水相占据较高的密度, 而甲烷则于水相表面进行富集. 这是因为甲烷分子与水分子之间也存在着一定的范德华相互作用, 使其在水桥界面的区域也会产生一定的吸附作用.
![]()
图 5 干酪根纳米通道中润湿体系的分子模型: 氧原子(红)、碳原子(青)、氢原子(白)、氮原子(蓝)、硫原子(黄)Figure 5. Molecular models of the kerogen channel (red) for the wetting study: oxygen (red), carbon (cyan), hydrogen (white), nitrogen (blue), and sulfur (yellow)因为干酪根基质具有复杂的拓扑结构和分子性质[34], 一维的密度分析很难准确表现出水相的润湿特性, 为了更加直观地描述润湿状态, 笔者构建了不同组分的二维密度云图, 如图7所示. 通过密度云图可以发现: 在水相边界区域存在密度递减的现象, 而其高密度区域表现出的分布特征是非润湿状态, 此结果更加符合人们对有机质表面疏水特性的认识. 对于低密度区域处的水分子, 是由干酪根基质与水分子之间较强的相互作用导致, 这其中起主导作用的是干酪根分子中部分官能团的极性. 低密度区域中的部分水分子, 由于受到干酪根基质的作用力影响, 逐渐减弱与水相的作用力, 被吸附到干酪根基质表面, 从而表现出干酪根基质表面亲水的润湿假相. 在甲烷气相环境中, 这种水相在干酪根基质表面呈现润湿的现象, 已经在实验室实验中得到验证[25]. 前人对分子尺度的相关润湿问题也有一定的研究[25, 35-36], 这也验证了文中工作的真实性与有效性. 对于甲烷分子的空间分布, 其在界面处产生富集, 这是由甲烷分子中的碳原子与其它组分分子之间较强的范德华作用所导致, 如图7(c). 虽然甲烷在水相界面形成了吸附层, 但其在干酪根壁面形成了更加致密的吸附层. 因为甲烷是非极性分子, 而水分子是极性分子, 二者虽有一定的相互作用, 但甲烷分子与干酪根分子之间的作用力更强.
为进一步验证上述讨论, 计算了体系中不同组分的势能分布云图, 如图8所示. 结果显示, 由于干酪根基质的多孔介质结构以及部分官能团的分子极性, 使水分子较易扩散进入基质中. 在氢键作用影响下, 这部分优先扩散的水分子, 会增强体相中水分子与壁面之间的亲和作用. 在水相的势能分布中, 没有观察到其主体在水平方向的低势能分布, 说明水相主体是处于非润湿的状态. 对于水相边缘处的水分子, 由于受到水相主体的相互作用较弱, 从而被干酪根基质捕获束缚. 所以边缘处的水分子, 在水相主体以及干酪根的双重作用下, 常在甲烷−水−干酪根交接处富集, 进而表现为图8中的结果. 在模拟计算的过程中, 水相中会有个别水分子发生逃逸(宏观上表现为水的蒸发), 从而进行自由移动. 在其移动的过程中, 这些逃逸的水分子的信息也会被计算进入密度以及势能云图中, 从而表现为一种带状的分布, 如图8(b). 除密度与势能分布的分析之外, 相互作用力的分布也被统计, 如图8(d)所示. 相互作用力的分布表现为明显的对称性, 相比于体相中的分布, 在干酪根基质表面的相互作用力更强, 这也是部分水分子会被干酪根基质壁面捕获的原因[37]. 相互作用力分布中存在部分零作用力区域, 这是由于干酪根分子复杂的分子结构和固化的处理, 从而导致甲烷和水分子不能探索到干酪根基质中的所有空间位置.
4. 润湿行为的敏感性分析
温度对于润湿行为有着重要影响, 如图9所示, 为了方便对结果进行对比, 不同温度下的甲烷分子数目保持恒定, 可以更直接地观察分子热运动对结果的影响. 结果显示, 较高的温度促进了甲烷在水相中的扩散作用, 这是因为较高的温度使甲烷分子的热运动更加强烈, 从而更容易克服界面处的势能壁垒. 水相的密度分布随着温度的升高更加分散, 这是因为较高温度使水分子具有较高的分子动能, 在分子热运动的影响下, 更多水分子逐渐摆脱体水分子之间的氢键相互作用, 从而进入以甲烷为主的气相空间中. 同时, 较强的分子热运动也会使水分子受到的约束作用减小, 不利于水桥稳定性的维持. 更多的自由水分子意味着水分子更容易被干酪根捕获, 使干酪根壁面上的水分子含量增加, 从而导致更加明显的润湿假相.
除温度外, 孔隙大小与水桥的尺寸对其润湿的状态也有较大影响, 如图10和图11所示, 孔隙尺寸的缩小对甲烷以及水的密度分布没有明显影响. 但图11显示, 当水桥宽度减小时, 在上下壁面作用力不均等的情况下, 已经不能维持水桥形态的稳定. 水桥发生断裂, 并逐渐由水桥形态转变为水滴形态, 所以产生图11(a)中单峰分布的特征. 如图11(c)所示, 以2.0 nm宽度的水桥为例, 水分子逐渐分布到另一端, 形成水滴状态, 但由于水分子之间的相互作用, 如水分子在干酪根基质中的势能分析, 水滴与上部的干酪根壁面之间仍然存在少量的水分子, 在受到水分子之间较强的亲和作用下, 表现为一个弱化的水桥状态(Y: 5 ~ 25 Å). 而且水滴内部高密度的区域表现为非润湿状态, 外部低密度区域表现为润湿状态, 这与文章之前的分析相同, 所以对于水桥和液滴状态的水相, 在干酪根基质中都会表现出润湿假相, 而不稳定的水相部分, 如水桥的外缘部分, 受混相作用的影响最大. 这部分促进润湿假相的水分子是由较强的分子极性导致的, 通过使用二氧化碳或者部分极性分子, 可以干扰水分子与干酪根之间的极性作用[38], 可以增强界面的混相程度, 从而加强水分子导致的润湿假相, 进而促进水桥的不稳定情况的发生, 促进孔隙中的后续的流体流动.
![]()
图 11 (a)水和(b)甲烷在不同水桥宽度下的密度分布; (c)水桥宽度2 nm时, 甲烷和水整体的二维密度云图Figure 11. Mass density profiles of (a) water and (b) methane at various widths of the water bridge; (c) two-dimensional density contour of entire fluid for the 2 nm water bridge![]()
11 (a)水和(b)甲烷在不同水桥宽度下的密度分布; (c)水桥宽度2 nm时, 甲烷和水整体的二维密度云图 (续)11. Mass density profiles of (a) water and (b) methane at various widths of the water bridge; (c) two-dimensional density contour of entire fluid for the 2 nm water bridge (continued)5. 结 论
(1) 以石墨烯模型为代表的有机质模型不适合用以模拟润湿相关的研究, 通过构建粗糙度会极大改变其对水相的接触角, 干酪根模型对有机质壁面性质的刻画有着很好的表现.
(2) 水在干酪根通道中表现出更为真实润湿形态, 水相的高密度区域表现为非润湿状态, 而水相的低密度区域表现为润湿假相, 这是干酪根与自由水分子之间的相互作用导致. 通过二氧化碳分子可以减弱水桥的稳定性, 促进润湿假相的发生程度.
(3) 较高的温度促进水相的润湿行为, 较小的水桥宽度使其不能保持稳定, 使形态转变为水滴, 水桥与水滴都具备高密度区域非润湿, 低密度区域润湿的特征.
-
![]()
图 1 不同时刻下, 水相在光滑石墨烯壁面润湿性的可视化模型
Figure 1. Snapshots of wetting conditions of water phase on smooth graphene walls at various times
![]()
图 2 不同时刻下, 水相在粗糙石墨烯壁面润湿性的可视化模型
Figure 2. Snapshots of wetting conditions of water phase on rough graphene walls at various times
![]()
图 3 不同时刻下, 甲烷环境中, 水相粗糙石墨烯壁面润湿性的可视化模型
Figure 3. Snapshots of wetting conditions of water phase and methane on rough graphene walls at various times
![]()
图 4 甲烷和水相在粗糙石墨烯壁面中的二维密度分布云图
Figure 4. Two-dimensional density contours of water and methane phases in the rough graphene system
![]()
图 5 干酪根纳米通道中润湿体系的分子模型: 氧原子(红)、碳原子(青)、氢原子(白)、氮原子(蓝)、硫原子(黄)
Figure 5. Molecular models of the kerogen channel (red) for the wetting study: oxygen (red), carbon (cyan), hydrogen (white), nitrogen (blue), and sulfur (yellow)
![]()
图 11 (a)水和(b)甲烷在不同水桥宽度下的密度分布; (c)水桥宽度2 nm时, 甲烷和水整体的二维密度云图
Figure 11. Mass density profiles of (a) water and (b) methane at various widths of the water bridge; (c) two-dimensional density contour of entire fluid for the 2 nm water bridge
![]()
11 (a)水和(b)甲烷在不同水桥宽度下的密度分布; (c)水桥宽度2 nm时, 甲烷和水整体的二维密度云图 (续)
11. Mass density profiles of (a) water and (b) methane at various widths of the water bridge; (c) two-dimensional density contour of entire fluid for the 2 nm water bridge (continued)
表 1 流体分子相互作用参数
Table 1 Interaction parameters of fluid molecules
Species Charge ε/(kJ·mol−1) σ/nm O (water) −0.82 0.274 0.3608 H (water) 0.41 0.013 1.098 C (CH4) −0.212 0.054 4.01 H (CH4) 0.053 0.02 2.995 
下载: 导出CSV
-
[1] 吴克柳, 李相方, 陈掌星. 页岩气纳米孔气体传输模型. 石油学报, 2015, 36(7): 837-848 (Wu Keliu, Li Xiangfang, Chen Zhangxing. A model for gas transport through nanopores of shale gas reservoirs. Acta Petrolei Sinica, 2015, 36(7): 837-848 (in Chinese) Wu Keliu, Li Xiangfang, Chen Zhangxing. A model for gas transport through nanopores of shale gas reservoirs. Acta Petrolei Sinica, 2015, 36(7): 837-848. (in Chinese))
[2] 姚军, 孙海, 樊冬艳等. 页岩气藏运移机制及数值模拟. 中国石油大学学报: 自然科学版, 2013, 1: 91-98 (Yao Jun, Sun Hai, Fan Dongyan, et al. Transport mechanisms and numerical simulation of shale gas reservoirs. Journal of China University of Petroleum (Natural Science), 2013, 1: 91-98 (in Chinese) Yao Jun, Sun Hai, Fan Dongyan, et al. Transport mechanisms and numerical simulation of shale gas reservoirs. Journal of China University of Petroleum (Natural Science), 2013, (1): 91-98. (in Chinese))
[3] Sun S, Zhang T. Reservoir Simulations: Machine Learning and Modeling. Gulf Professional Publishing and Elsevier, 2020
[4] Yang Y, Liu F, Yao J, et al. Multi-scale reconstruction of porous media from low-resolution core images using conditional generative adversarial networks. Gas Science and Engineering, 2022, 99: 104411
[5] Yang Y, Yang H, Tao L, et al. Microscopic determination of remaining oil distribution in sandstones with different permeability scales using computed tomography scanning. Journal of Energy Resources Technology, 2019, 141(9): 092903
[6] 蔡少斌, 杨永飞, 刘杰. 考虑热流固耦合作用的多孔介质孔隙尺度两相流动模拟. 力学学报, 2021, 53(8): 2225-2234 (Cai Shaobin, Yang Yongfei, Liu Jie. Pore-scale simulation of multiphase flow considering thermohydro-mechanical coupling effect in porous media. Chinese Journal of Theoretical and Applied Mechanics, 2021, 53(8): 2225-2234 (in Chinese) Cai Shaobin, Yang Yongfei, Liu Jie. Pore-scale simulation of multiphase flow considering thermohydro-mechanical coupling effect in porous media. Chinese Journal of Theoretical and Applied Mechanics, 2021, 53(8): 2225-2234. (in Chinese))
[7] Feng X, Chen MH, Wu Y, et al. A fully explicit and unconditionally energy-stable scheme for Peng-Robinson VT flash calculation based on dynamic modeling. Journal of Computational Physics, 2022, 463: 111275 doi: 10.1016/j.jcp.2022.111275
[8] Feng X, Qiao Z, Sun S, et al. An energy-stable smoothed particle hydrodynamics discretization of the Navier-Stokes-Cahn-Hilliard model for incompressible two-phase flows. Journal of Computational Physics, 2023, 479: 111997 doi: 10.1016/j.jcp.2023.111997
[9] 何映颉, 杨洋, 张廷山等. 石墨狭缝吸附页岩气的分子模拟. 岩性油气藏, 2016, 28(6): 88-94 (He Yingjie, Yang Yang, Zhang Tingshan, et al. Molecular simulation of shale gas adsorption in graphite slit-pores. Lithologic Reservoirs, 2016, 28(6): 88-94 (in Chinese) He Yingjie, Yang Yang, Zhang Tingshan, et al. Molecular simulation of shale gas adsorption in graphite slit-pores. Lithologic Reservoirs, 2016, 28(6): 88-94. (in Chinese))
[10] Cui R, Hassanizadeh SM, Sun S. Pore-network modeling of flow in shale nanopores: Network structure, flow principles, and computational algorithms. Earth-Science Reviews, 2022, 234: 104203 doi: 10.1016/j.earscirev.2022.104203
[11] 吴克柳, 李相方, 陈掌星等. 页岩气和致密砂岩气藏微裂缝气体传输特性. 力学学报, 2015, 47(6): 955-964 (Wu Keliu, Li Xiangfang, Chen Zhangxing, et al. Gas transport behavior through micro fractures of shale and tight gas reservoirs. Chinese Journal of Theoretical and Applied Mechanics, 2015, 47(6): 955-964 (in Chinese) Wu Keliu, Li Xiangfang, Chen Zhangxing, et al. Gas transport behavior through micro fractures of shale and tight gas reservoirs. Chinese Journal of Theoretical and Applied Mechanics, 2015, 47(6): 955-964. (in Chinese))
[12] Iglauer S, Al-Yaseri A. Improving basalt wettability to de-risk CO2 geo-storage in basaltic formations. Advances in Geo-Energy Research, 2021, 5(3): 347-350 doi: 10.46690/ager.2021.03.09
[13] Li S, Hou S. A brief review of the correlation between electrical properties and wetting behaviour in porous media. Capillarity, 2019, 2(3): 53-56 doi: 10.26804/capi.2019.03.02
[14] 王森, 冯其红, 查明等. 页岩有机质孔缝内液态烷烃赋存状态分子动力学模拟. 石油勘探与开发, 2015, 42(6): 772-778 (Wang Sen, Feng Qihong, Zha Ming, et al. Molecular dynamics simulation of liquid alkane occurrence state in pores and fractures of shale organic matter. Petroleum Exploration and Development, 2015, 42(6): 772-778 (in Chinese) Wang Sen, Feng Qihong, Zha Ming, et al. Molecular dynamics simulation of liquid alkane occurrence state in pores and fractures of shale organic matter. Petroleum Exploration and Development, 2015, 42(6): 772-778. (in Chinese))
[15] 宋文辉, 姚军, 张凯. 页岩有机质纳米孔隙气体吸附与流动规律研究. 力学学报, 2021, 53(8): 2179-2192 (Song Wenhui, Yao Jun, Zhang Kai. Study on gas adsorption and transport behavior in shale organic nanopore. Chinese Journal of Theoretical and Applied Mechanics, 2021, 53(8): 2179-2192 (in Chinese) Song Wenhui, Yao Jun, Zhang Kai. Study on gas adsorption and transport behavior in shale organic nanopore. Chinese Journal of Theoretical and Applied Mechanics, 2021, 53(8): 2179-2192. (in Chinese))
[16] 朱元强, 靳赛赛, 孙青青. N2在页岩干酪根上的吸附特征. 计算物理, 2021, 38(6): 707 (Zhu Yuanqiang, Jin Saisai, Sun Qingqing. Adsorption characteristics of N2 on shale kerogen. Chinese Journal of Computational Physics, 2021, 38(6): 707 (in Chinese) Zhu Yuanqiang, Jin Saisai, Sun Qingqing. Adsorption characteristics of N2 on shale kerogen. Chinese Journal of Computational Physics, 2021, 38(6): 707. (in Chinese))
[17] Wang S, Yao X, Feng Q, et al. Molecular insights into carbon dioxide enhanced multi-component shale gas recovery and its sequestration in realistic kerogen. Chemical Engineering Journal, 2021, 425: 130292 doi: 10.1016/j.cej.2021.130292
[18] Wood DA, Hazra B. Pyrolysis S2-peak characteristics of Raniganj shales (India) reflect complex combinations of kerogen kinetics and other processes related to different levels of thermal maturity. Advances in Geo-Energy Research, 2018, 2(4): 343-368 doi: 10.26804/ager.2018.04.01
[19] Ungerer P, Collell J, Yiannourakou M. Molecular modeling of the volumetric and thermodynamic properties of kerogen: Influence of organic type and maturity. Energy & Fuels, 2015, 29(1): 91-105
[20] Yang Y, Liu J, Yao J, et al. Adsorption behaviors of shale oil in kerogen slit by molecular simulation. Chemical Engineering Journal, 2020, 387: 124054 doi: 10.1016/j.cej.2020.124054
[21] Liu J, Zhao Y, Yang Y, et al. Multicomponent shale oil flow in real kerogen structures via molecular dynamic simulation. Energies, 2020, 13(15): 3815 doi: 10.3390/en13153815
[22] Liu J, Yang Y, Sun S, et al. Flow behaviors of shale oil in kerogen slit by molecular dynamics simulation. Chemical Engineering Journal, 2022, 434: 134682 doi: 10.1016/j.cej.2022.134682
[23] Liu J, Tang Q, Kou J, et al. A quantitative study on the approximation error and speed-up of the multi-scale MCMC (Monte Carlo Markov chain) method for molecular dynamics. Journal of Computational Physics, 2022, 469: 111491 doi: 10.1016/j.jcp.2022.111491
[24] Felipe P, Deepak D. Spatial distribution of reservoir fluids in mature kerogen using molecular simulations. Fuel, 2019, 235: 448-459 doi: 10.1016/j.fuel.2018.08.024
[25] Jagadisan A, Heidari Z. Molecular dynamic simulation of the impact of thermal maturity and reservoir temperature on the contact angle and wettability of kerogen. Fuel, 2022, 309: 122039 doi: 10.1016/j.fuel.2021.122039
[26] Hu Y, Devegowda D, Sigal R. A microscopic characterization of wettability in shale kerogen with varying maturity levels. Gas Science and Engineering, 2016, 33: 1078-1086
[27] Zhou J, Zhang J, Yang J, et al. Mechanisms for kerogen wettability transition from water-wet to CO2-wet: Implications for CO2 sequestration. Chemical Engineering Journal, 2022, 428: 132020 doi: 10.1016/j.cej.2021.132020
[28] 曹仁义, 黄涛, 程林松等. 水驱油藏中原油极性物质对吸附和润湿性影响的分子模拟. 计算物理, 2021, 38(5): 595-602 (Cao Renyi, Huang Tao, Cheng Linsong, et al. Influence of polar substance of crude oil on adsorption and wettability in water flooding reservoir: Molecular simulation. Chinese Journal of Computational Physics, 2021, 38(5): 595-602 (in Chinese) Cao Renyi, Huang Tao, Cheng Linsong, et al. Influence of Polar Substance of Crude Oil on Adsorption and Wettability in Water Flooding Reservoir: Molecular Simulation. Chinese Journal of Computational Physics, 2021, 38(5): 595-602. (in Chinese))
[29] Tesson SP, Firoozabadi A. Methane adsorption and self-diffusion in shale kerogen and slit nanopores by molecular simulations. The Journal of Physical Chemistry C, 2018, 122(41): 23528-23542 doi: 10.1021/acs.jpcc.8b07123
[30] Humphrey W, Dalke A, Schulten K. VMD: Visual molecular dynamics. Journal of Molecular Graphics, 1996, 14(1): 33-38 doi: 10.1016/0263-7855(96)00018-5
[31] Collell J, Ungerer P, Galliero G, et al. Molecular simulation of bulk organic matter in type II shales in the middle of the oil formation window. Energy & Fuels, 2014, 28(12): 7457-7466
[32] Waldman M, Hagler AT. New combining rules for rare gas van der Waals parameters. Journal of Computational Chemistry, 1993, 14(9): 1077-1084 doi: 10.1002/jcc.540140909
[33] Srinivasan SG, Ashok I, Jônsson H, et al. Parallel short-range molecular dynamics using the Ādhāra runtime system. Computer Physics Communications, 1997, 102(1-3): 28-43
[34] Rullkötter J, Michaelis W. The structure of kerogen and related materials. A review of recent progress and future trends. Organic Geochemistry, 1990, 16(4-6): 829-852
[35] Hu Y, Devegowda D, Sigal R. A microscopic characterization of wettability in shale kerogen with varying maturity levels. Journal of Natural Gas Science and Engineering, 2016, 33: 1078-1086 doi: 10.1016/j.jngse.2016.06.014
[36] Hu Y, Devegowda D, Striolo A. Microscopic dynamics of water and hydrocarbon in shale-kerogen pores of potentially mixed wettability. SPE Journal, 2015, 20(1): 112-124 doi: 10.2118/167234-PA
[37] Zhao T, Li X, Zhao H, et al. Molecular simulation of adsorption and thermodynamic properties on type II kerogen: Influence of maturity and moisture content. Fuel, 2017, 190: 198-207 doi: 10.1016/j.fuel.2016.11.027
[38] Liu J, Zhang T, Sun S. Stability analysis of the water bridge in organic shale nanopores: A molecular dynamic study. Capillarity, 2022, 5(4): 75-82 doi: 10.46690/capi.2022.04.02
-
期刊类型引用(1)
1. 丁怡，王意乐，孙莉杰，靳亚康，陈龙泉. 液滴润湿固体表面的移动接触线:从吸附到滑动. 力学学报. 2024(08): 2203-2211 . 
本站查看
其他类型引用(0)
计量
- 文章访问数: 678
- HTML全文浏览量: 180
- PDF下载量: 114
- 被引次数: 1
