Effects of Nano Sized Metals on Viscosity Reduction of Heavy Oil/Bitumen During Thermal Applications
Notice bibliographique
Résumé
Abstract Conventional (steam injection) and unconventional (electrical/electromagnetic heating) heavy oil/bitumen recovery methods require a high amount of energy. The efficiency of these methods can be increased by improving the energy transfer to the oil for viscosity reduction. It has recently been shown that micron-sized metal particles improve the efficiency of some ex-situ processes such as coal liquefaction and pyrolysis, heavy oil upgrading, oil shale recovery, and heavy oil viscosity reduction. This idea, with some modifications, can be applied to reduce the energy input of the aforementioned recovery methods for more economical heavy oil/bitumen production. The major contribution of the metal particles is expected to improve viscosity reduction by reducing the amount of the required energy. The objective of this work is to clarify the mechanics of additional viscosity reduction using nano-size metals during thermal applications through a series of experiments. In the absence of electromagnetic fields, exothermic chemical reactions and thermal conductivity enhancement are the two important functions of metals to cause a reduction of oil viscosity. Two sets of experiments were conducted to investigate these mechanisms. Different metal types including iron, nickel and copper with different sizes and their different compounds were selected. The viscosity of oil samples, mixed with these particles, was measured. The tests were repeated at different temperatures. Also, the effect of the metal particles on heat transfer enhancement was examined. Nano-sized particles were found to have a remarkable effect on heat transfer through heavy oil. The experiments provided a good understanding of the ongoing mechanisms that would lead to a viscosity reduction by the addition of metal particles. The concentration, type, and size of the particles were found to be highly critical on viscosity reduction. The optimal values of these parameters were identified. The results and observations are expected to be useful in further studies and applications as to the efficiency improvement of the thermal applications for heavy-oil/bitumen recovery.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».