Catalytic Effects of Nano-Size Metal Ions in Breaking Asphaltene Molecules During Thermal Recovery of Heavy-Oil
Notice bibliographique
Résumé
Abstract Heavy-oil or bitumen recovery requires effective recovery of many different components of hydrocarbons for an efficient process. Production of asphaltenic components and minimizing their precipitation, which may affect the ultimate recovery and rate, is of particular interest. Conventional thermal and solvent techniques are limited in breaking asphaltene components and new types of catalysts are needed for efficient recovery of heavy-oil. The presence of nano-size metal particles catalyzes the breaking of carbon-sulfur bonds within asphaltenes. This results in a reduction of asphaltene content, with an increase in saturates and aromatic content. The end effect of this process is a significant reduction in the viscosity of heavy oil and bitumen. Having a strong hydrogen donor present dramatically increases the amount of viscosity reduction, while not having any hydrogen donor present completely inhibits the reaction. The proper metals and corresponding concentrations need to be investigated before conducting displacement experiments in porous media. In this paper, we investigated the effects of microwave radiation, using a standard 2.45 GHz emitter, on viscosity reduction. Different nano-sized metal particles (Fe, Fe(III) Oxide, and Cu) were used as catalysts in concentrations ranging 0.1% weight to 1% weight. Heavy oil samples were heated to and maintained at a temperature of 200°C using inductive microwave heating for a period of 5 hours. Viscosity and mass data were obtained before and after each experiment, with viscosity being measured at 55 °C, 75°C, and 95°C. Since the heavy oil samples which contained no added hydrogen donors experienced a significant vaporization of components, they must be participating in a reaction independent of the aquathermolysis reaction.
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 | 0,000 |
| 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) | 0,001 | 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 ».