Solubility and diffusivity of propane in heavy oil and its SARA fractions
Notice bibliographique
Résumé
The design and modelling of solvent‐based heavy oil recovery requires information about the solubility and diffusivity of particular solvents in heavy oil and its fractions. In this study, the original Cactus Lake oil was first characterized into saturate, aromatic, resin, asphaltene, and maltene fractions. An intelligent gravimetric microbalance was used to measure the solubility of propane in the heavy oil and its saturate, aromatic, resin, asphaltene, and maltene fractions. The measurements were carried out at 288, 294, 299 and 303 K, and at pressures up to 600 kPa. From the experimental results, it was observed that the saturate fractions have the highest solubility followed by maltene, aromatic, heavy oil and resin fractions. Solubility data were also reported in the form of Henry's law constants. It was observed that the asphaltene content affects the propane solubility quite significantly in the heavy oil at the same equilibrium pressure. The Peng–Robinson equation of state was used to correlate the experimental results within acceptable deviations. The adsorbed amounts of propane in asphaltene were also measured at 288, 294, 299 and 303 K and at pressures up to 600 kPa to determine the adsorption capability of propane on asphaltene. Finally, time‐dependent concentration data were used to determine the diffusion coefficients of propane in heavy oil, saturate, aromatic and maltene fractions using a simple diffusion model. It was observed that the diffusion coefficient increases with pressure but decreases with the asphaltene content.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».