A Parametric Study of the Hydrodynamic Roughness Produced by a Wall-Coating Layer of Oil during the Pipeline Transportation of Heavy Oil-Water Mixtures
Notice bibliographique
Résumé
Abstract In the water lubricated pipeline transportation of heavy oil and bitumen, a thin oil film typically coats the pipe wall, which is often referred to as ‘wall fouling'. A detailed study of the hydrodynamic effects of wall fouling is critical to the design and operation of oil/water pipelines, as the viscous layer can increase the pipeline pressure loss (and pumping power requirements) by 15 times or more. In this study a parametric investigation of the hydrodynamic effects caused by the wall coating of viscous oil was conducted. A custom-built rectangular flow cell was used as the principal apparatus. The controlled parameters include the thickness of the wall coating layer, oil viscosity and water flow rate. For each test condition, the pressure loss across the test section was measured and the hydrodynamic effect of the wall coating on the pressure loss was determined. A novel procedure using CFD simulations was developed to determine the hydrodynamic roughness. The procedure was also applied for a set of pipeloop test results published elsewhere. The effects of wall coating thickness and water flowrate on the hydrodynamic roughness were evaluated. The most significant outcome of this analysis is a new correlation for the hydrodynamic roughness produced by a wall-coating layer of viscous oil. The knowledge gained from the current research will be beneficial for designing, operating and troubleshooting pipeline systems in which a viscous wall coating is produced, including water lubricated bitumen transport in the oil sands industry, CHOPS and SAGD surface production/transport lines. The methodology can also be extended to the analysis of any unknown hydrodynamic roughness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».