Phase Behavior and Physical Property Modeling for Vapex Solvents: Propane, Carbon Dioxide, and Athabasca Bitumen
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 Employing CO2 as the non-condensable gas in the Vapex process is an attractive option that could provide environmental benefits of CO2 sequestration along with improved Vapex performance. Mixtures of CO2 and a hydrocarbon such as propane allow the solvent to be tailored to different reservoir conditions. To test potential solvent mixtures, the phase behavior and physical properties measurements and modeling are required. We have previously reported on the phase behavior, viscosity and density of the CO2-propane-Athabasca Bitumen systems (Badamchi-Zadeh et al., 2009a,b). These results confirmed the ability of carbon dioxide and propane mixtures to sufficiently reduce Athabasca bitumen viscosity. In this study, an oil characterization and equation of state model are developed to describe the phase behaviour of mixtures of carbon dioxide, propane, and Athabasca bitumen. The model is tuned to fit the experimental phase behaviour data for binary and ternary mixtures of these components. Solubility data for carbon dioxide and Athabasca bitumen reported by Svrcek and Mehrotra 1982 are also used. It was found that two parameter cubic equation of state would require a third parameter (i.e. volume-shift) to better predict liquid density. The volume shift parameter was adjusted to improve cubic equation of state calculated liquid density against experimental data. Pederson (1987) viscosity correlation coefficients were modified to improve liquid viscosity prediction for propane, carbon dioxide, and bitumen mixtures.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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