4. 井流物组成与拟组分划分
在拿到井流物全组分分析报告之后，真正能直接进入黑油模型的状态方程（EOS）计算的组分数量往往只有十几个甚至更少，而实验室给出的C7+馏分可能包含几十个碳数段。因此，从“全组分”到“模型组分”的转换，核心工作就是两件事：把C7+重馏分特征化成可计算的拟组分，以及把性质相近的组分合并成数量可控的拟组分。这一步做得好不好，直接决定了后续饱和压力、体积系数、气油比乃至组分梯度计算的精度。
C7+为什么要特征化
C7+是一个“尾巴”，它包含了从正庚烷到沥青质的全部重烃，其临界温度高、临界压力低，且碳数越高、含量越少、性质越难测。实验室通常只给出C7+的总摩尔分数、平均分子量和平均相对密度，少数报告会给出碳数分布或SARA分析。EOS计算需要每个组分的临界温度Tc、临界压力Pc、偏心因子ω和分子量M，而C7+作为一个整体无法直接代入。特征化的本质，就是用有限的已知信息（M、γ或SG、含量）反推出一组虚拟组分，使这组虚拟组分的平均性质与实测C7+性质一致。
常用的特征化方法有两类代表：
- Pedersen方法：以C7+的分子量和相对密度为约束，将C7+拆分为若干个单碳数或伪碳数组分，用经验关联式估算各虚拟组分的Tc、Pc、ω，再通过调整分割比例使混合物平均分子量和密度匹配实测值。Pedersen关联式对北欧原油拟合较好，实现相对简单。
- Whitson方法：基于C7+的摩尔分数和分子量，用伽马分布描述碳数分布，先确定C7+的“特征化参数”（如η），再按碳数分段生成虚拟组分，并用Katz-Firoozabadi关联式计算Tc、Pc、ω。Whitson方法对碳数分布的描述更物理，适合有碳数分布数据的样品。
无论哪种方法，判断特征化是否成功的标准是一致的：虚拟组分混合物的平均分子量、平均相对密度与实测C7+值的偏差应控制在1%～3%以内，同时用特征化后的组分重新计算饱和压力，与实验饱和压力对比，偏差一般要求小于5%。若偏差过大，说明分割段数或关联式选择不当，需要调整。
拟组分合并的原则
特征化后组分数量可能达到20～40个，直接进入黑油模型会带来计算量大、收敛困难的问题。拟组分合并就是把性质相近的组分归并，通常遵循以下原则：
- 轻组分不合并或谨慎合并：N2、CO2、C1、C2对相态行为影响显著，通常单独保留；C3～C6可适当合并，但不宜把C3和C6合并，否则会抹平中间组分的挥发差异。
- 按碳数相邻合并：重馏分按碳数段合并，如C7～C10、C11～C15、C16～C20、C21+，每段用一个拟组分代表，其性质按摩尔分数加权平均。
- 保持关键性质连续：合并后拟组分的Tc、Pc、ω应随碳数单调变化，不能出现“倒挂”，否则EOS计算容易出现异常相态。
- 控制总组分数量：黑油模型一般保留8～15个组分（含拟组分），既能描述相态，又不至于计算负担过重。
组分数据对后续计算的影响
组分数据不是“填进去就行”的输入，它通过EOS参数直接影响后续每一个环节。以饱和压力计算为例：若C7+特征化时平均分子量偏低，虚拟组分整体偏“轻”，计算出的饱和压力会偏低，进而导致气油比偏高、体积系数偏大；反之则饱和压力偏高。这种偏差在黑油模型初始化时会表现为储量拟合困难。
再看组分梯度：当油藏存在重力分异时，组分随深度变化，C7+含量通常随深度增加而升高。若拟组分合并过粗，把C7～C20全部合并成一个组分，就无法描述这种梯度，组分梯度计算会失真。因此，对于厚油藏或存在明显组分梯度的油藏，重馏分应适当细分，保留2～3个重拟组分。
此外，拟组分的临界性质还影响最小混相压力（MMP）估算和注气方案设计。合并后的拟组分若缺少足够的重端组分，MMP会被低估，注气驱替的可行性判断就会出现偏差。
实操中的关键判断
以一个示例说明：某井流物分析给出C7+摩尔分数为0.32，平均分子量210，相对密度0.84。采用Whitson方法按碳数分为C7～C10、C11～C15、C16～C20、C21+四段，计算得各段摩尔分数分别为0.12、0.10、0.06、0.04，加权平均分子量208.5，相对密度0.838，偏差均在1%以内，特征化通过。随后将C3～C6合并为一个拟组分，最终EOS组分表保留N2、CO2、C1、C2、C3-C6、C7-C10、C11-C15、C16-C20、C21+共9个组分。用该组分表计算饱和压力为24.8 MPa，实验值为25.5 MPa，偏差2.7%，满足要求。
需要强调的是，上述数值为教学示例中的合理假设，实际工作中必须以实验室报告和EOS软件计算结果为准。判断组分数据是否可用，最直接的办法就是做一次饱和压力回归：若偏差在可接受范围内，说明特征化和合并方案基本合理；若偏差大，优先检查C7+平均分子量是否录入错误、分割段数是否过少、重端组分是否被过度合并。
完成组分表后，还应保留完整的“原始组分—特征化虚拟组分—合并拟组分”三级映射关系，并在模型中记录所用关联式版本和关键参数。这样在后续历史拟合或方案调整时，才能快速定位是组分数据还是其他参数导致的计算偏差。