Evaluation of Surfactants for Oil Recovery Potential in Shale Reservoirs
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Most shale reservoirs (e.g., Bakken Shale and Eagle Ford) have a low permeability, low porosity, and oil-wet character with natural fractures. As a result, the oil recovery factors are very low, only a few percent of original oil in place. Injection of water into oil-wet reservoirs (i.e., water flooding) is not effective due to small or negative capillary pressure. In this study, various surfactants (non-ionic, cationic, anionic, and amphoteric) were studied for spontaneous imbibition into oil-wet shale cores. Surfactant imbibition into Eagle Ford shale outcrop cores and Bakken reservoir cores increased oil recovery compared to brine only. Oil recovery can be seen for surfactants that alter the reservoir from oil-wet to water-wet. For example, the incremental oil recovery was about 24% % for 0.1% cationic surfactant and 57% for 0.1% nonionic surfactant. The goal of this work is to investigate the effect of salinity, surfactant concentration, electrolyte concentration, and temperature on the wettability alteration and provide mechanisms. Contact angles and interfacial tensions (IFT) were measured and correlated with spontaneous imbibition. Wettability alteration from oil-wet to water-wet (i.e., low contact angle) appeared to be more important than a low interfacial tension in increasing the oil recovery rate from fractured oil-wet reservoirs, especially for nonionic surfactants and amphoteric surfactants. Wettability alteration is maximum and IFT is minimum for anionic and cationic surfactants at an optimal salinity. However, as the reservoir salinity increases, the maximum wettability alteration decreases and IFT increases.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle