Getting Started#
It is relatively easy to get going with a quick simulation in OpenPNM. In fact the following code block produces a mercury intrusion simulation in just a few lines.
Creating a Cubic Network#
import openpnm as op
import numpy as np
import matplotlib.pyplot as plt
op.visualization.set_mpl_style()
Nx, Ny, Nz = 10, 10, 10
Lc = 1e-4
pn = op.network.Cubic([Nx, Ny, Nz], spacing=Lc)
pn.add_model_collection(op.models.collections.geometry.spheres_and_cylinders)
pn.regenerate_models()
print(pn)
══════════════════════════════════════════════════════════════════════════════
net : <openpnm.network.Cubic at 0x7fc59caa5b20>
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
# Properties Valid Values
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
2 pore.coords 1000 / 1000
3 throat.conns 2700 / 2700
4 pore.coordination_number 1000 / 1000
5 pore.max_size 1000 / 1000
6 throat.spacing 2700 / 2700
7 pore.seed 1000 / 1000
8 pore.diameter 1000 / 1000
9 throat.max_size 2700 / 2700
10 throat.diameter 2700 / 2700
11 throat.cross_sectional_area 2700 / 2700
12 throat.hydraulic_size_factors 2700 / 2700
13 throat.diffusive_size_factors 2700 / 2700
14 throat.lens_volume 2700 / 2700
15 throat.length 2700 / 2700
16 throat.total_volume 2700 / 2700
17 throat.volume 2700 / 2700
18 pore.volume 1000 / 1000
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
# Labels Assigned Locations
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
2 pore.xmin 100
3 pore.xmax 100
4 pore.ymin 100
5 pore.ymax 100
6 pore.zmin 100
7 pore.zmax 100
8 pore.surface 488
9 throat.surface 972
10 pore.left 100
11 pore.right 100
12 pore.front 100
13 pore.back 100
14 pore.bottom 100
15 pore.top 100
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
Defining a Phase#
hg = op.phase.Mercury(network=pn)
hg.add_model(propname='throat.entry_pressure',
model=op.models.physics.capillary_pressure.washburn)
hg.regenerate_models()
print(hg)
══════════════════════════════════════════════════════════════════════════════
phase_01 : <openpnm.phase.Mercury at 0x7fc54b6844a0>
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
# Properties Valid Values
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
2 pore.temperature 1000 / 1000
3 pore.pressure 1000 / 1000
4 throat.contact_angle 2700 / 2700
5 pore.thermal_conductivity 1000 / 1000
6 pore.surface_tension 1000 / 1000
7 pore.viscosity 1000 / 1000
8 pore.density 1000 / 1000
9 pore.molar_density 1000 / 1000
10 throat.entry_pressure 2700 / 2700
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
# Labels Assigned Locations
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
2 pore.all 1000
3 throat.all 2700
――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――――
Performing a Drainage Simulation#
mip = op.algorithms.Drainage(network=pn, phase=hg)
mip.set_inlet_BC(pores=pn.pores(['left', 'right']))
mip.run(pressures=np.logspace(4, 6))
data = mip.pc_curve()
fig, ax = plt.subplots(figsize=(5.5, 4))
ax.semilogx(data.pc, data.snwp, 'k-o')
ax.set_xlabel('capillary pressure [Pa]')
ax.set_ylabel('mercury saturation');
Calculating Permeability Coefficient#
As another example, the permeability coefficient can be found as follows:
# Generate phase and physics
water = op.phase.Water(network=pn)
water.add_model(propname='throat.hydraulic_conductance',
model=op.models.physics.hydraulic_conductance.generic_hydraulic)
# Create algorithm, set boundary conditions and run simulation
sf = op.algorithms.StokesFlow(network=pn, phase=water)
Pin, Pout = (200_000, 101_325)
sf.set_value_BC(pores=pn.pores('left'), values=Pin)
sf.set_value_BC(pores=pn.pores('right'), values=Pout)
sf.run()
The total flow rate into the domain through the boundary pores can be found
using sf.rate(pores=pn.pores('xmin')). The permeability coefficient
can be found by inserting known values into Darcy’s law as follows:
Q = sf.rate(pores=pn.pores('left'))
A = Ny*Nz*Lc**2
L = Nx*Lc
mu = water['pore.viscosity'].mean()
K = Q*mu*L/(A*(Pin-Pout))
print(K)
[7.60083563e-13]
Adjusting Pore Size Distribution#
It’s also worth explaining how to adjust the pore size distribution of the network, so that the capillary curve and permeability coefficient can be changed to match known values. The geo object controls the geometric properties, and it possess models to calculate values on demand. Let’s change the pore size distribution to a Weibull distribution, but first let’s store the existing values in a dummy variable so we can compare later.
import openpnm.models.geometry as gmods
pn['pore.old_diameter'] = pn.pop('pore.diameter')
pn.add_model(propname='pore.diameter',
model=gmods.pore_size.weibull,
shape=0.5, loc=0, scale=1e-5)
Now you can use matplotlib. to get a quick glance at the histograms of the two distributions.
import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(6, 4.5))
ax.hist(pn['pore.diameter'], edgecolor='k', label='new diameter')
ax.hist(pn['pore.old_diameter'], edgecolor='k', label='old_diameter', bins=20)
ax.set_xlabel('diameter [m]')
ax.set_ylabel('frequency')
ax.legend();
More complex tasks are explained in the examples page.