A New Finding in the Interaction Between Chelating Agents and Carbonate Rocks During Matrix Acidizing Treatments
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 During matrix acidizing, successful iron control can be critical to the success of the treatment. Iron (III) precipitation occurs when acids are spent and the pH rises above 1, which can cause severe formation damage. Chelating agents are used during these treatments to minimize iron precipitation. In this paper, we studied the effect of iron precipitation in acidizing operations. HCl solutions (5 - 20 wt%) containing 5,000 to 10,000 ppm of Fe3+ were used in these experiments. Biodegradable GLDA (glutamic-N, N-diacetic acid) was studied in the experiments. The effect of varying acid concentration and chelate-to-iron mole ratio was examined. Coreflood experiments were conducted on low permeability Indiana limestone (1 - 5 md) at 200°F. The cores were scanned after treatments using a CT scanner. The core effluent samples were analyzed for total iron and calcium concentrations using ICP-ES. A calcium ion-selective electrode was used to determine the concentration of free calcium ions, i.e. calcium ions not complexed by the chelate, in the core effluent samples. Results showed that the amount of iron recovered depended on both chelate-to-iron mole ratio and the initial permeability of the cores. Calcium is chelated along with iron, which limits the effectiveness of chelating agents to control iron (III) precipitation. Chelating agents are supposed to control iron now that calcium is also chelated, this amount should be accounted for. Acid solutions should be designed considering this important finding for more successful treatments. This paper will discuss the results obtained and give recommendations to enhance the effectiveness of these chemicals in the field.
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) | 0,003 | 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