Dynamics of corrosion rates associated with nitrite or nitrate mediated control of souring under biological conditions simulating an oil reservoir
Notice bibliographique
Résumé
Representative microbial cultures from an oil reservoir and electrochemical techniques including potentiodynamic scan and linear polarization were used to investigate the time dependent corrosion rate associated with control of biogenic sulphide production through addition of nitrite, nitrate and a combination of nitrate-reducing, sulphide-oxidizing bacteria (NR-SOB) and nitrate. The addition of nitrate alone did not prevent the biogenic production of sulphide but the produced sulphide was eventually oxidized and removed from the system. The addition of nitrate and NR-SOB had a similar effect on oxidation and removal of sulphide present in the system. However, as the addition of nitrate and NR-SOB was performed towards the end of sulphide production phase, the assessment of immediate impact was not possible. The addition of nitrite inhibited the biogenic production of sulphide immediately and led to removal of sulphide through nitrite mediated chemical oxidation of sulphide. The real time corrosion rate measurement revealed that in all three cases an acceleration in the corrosion rate occurred during the oxidation and removal of sulphide. Amendments of nitrate and NR-SOB or nitrate alone both gave rise to localized corrosion in the form of pits, with the maximum observed corrosion rates of 0.72 and 1.4 mm year(-1), respectively. The addition of nitrite also accelerated the corrosion rate but the maximum corrosion rate observed following nitrite addition was 0.3 mm year(-1). Furthermore, in the presence of nitrite the extent of pitting was not as high as those observed with other control methods.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».