Experimental Measurement of Diffusion Coefficient of CO2 in Heavy Oil Using X-Ray Computed-Assisted Tomography Under Reservoir Conditions
Notice bibliographique
Résumé
Abstract Injection of carbon dioxide has shown process and economical advantages for enhancing the heavy oil and bitumen recovery by reducing viscosity under the reservoir conditions. Mass transfer is the first mechanism to occur when carbon dioxide is injected into the reservoir. Consequently, the measurement and evaluation of the diffusion coefficient is essential to develop feasible and economic technology for extraction of heavy oil and bitumen. However, not much effort has been put into the experiments of carbon dioxide and heavy oil for understanding and calculation of the gas-liquid diffusion coefficient. The purpose of this study is to evaluate the feasibility of determining experimental diffusion coefficients of carbon dioxide in heavy oil by employing X-ray Computed Assisted Tomography (CAT) and a non-iterative finite volume method, and investigate the impact of different experimental conditions on diffusion coefficients. The results indicated that the measured carbon dioxide diffusion coefficients are consistent with those reported in the literature for similar gas-heavy oil systems. X-ray Computed Assisted Tomography (CAT) and a non-iterative finite volume method were successfully applied to study the diffusivity of carbon dioxide in heavy oil. In addition, the concentration and diffusion coefficients of carbon dioxide in heavy oil depend on diffusion distance as well as on diffusion time and pressure.
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 | 0,001 | 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 ».