Effect of Alkalis on Phase Behavior of Mixtures between Single and Double Tail Anionic Surfactants
Notice bibliographique
Résumé
Abstract Alkaline–Surfactant–Polymer (ASP) flooding is considered as a promising method for enhanced oil recovery since 1980’s. Even though the concept of ASP is straight forward, but it is a very complicated process due to complex of chemical slug. Moreover, the success of ASP is mostly demonstrated in laboratory conditions; thus, it is necessary to investigate this process in hostile reservoir conditions for achieving a wider and successful implementation. This paper presents a comprehensive evaluation of the phase behavior of ASP systems, which is successful, the key of ASP process in high temperature reservoir. The experimental results prove that the mixtures of single tail anionic surfactant and double tail anionic surfactant would be adequately overcome the challenge of high temperature condition of reservoirs. These mixtures are also more compatible with polymer and increase the optimum salinity. In other words, the developing of new advanced surfactant mixture allows apply ASP flooding in high salinity reservoir. Next, we examine the important role of alkaline in ASP process. Three alkalis such as including sodium carbonate, sodium metaborate, and sodium metasilicate were tested in phase behavior experiments at high temperature condition (90°C) for both synthesis (dodecane) and crude oils. The results indicate that alkaline in the ASP systems can react with some acidic components of the crude oil to form in-situ surfactant, which then would help lowering the IFT between oil and water phases. It reduces the cost of process because alkaline is cheaper than synthesis surfactant. Besides alkaline also affect on interfacial tension and phase behavior of ASP systems.
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 ».