Impact of Asphaltene Nanoscience on Understanding Oilfield Reservoirs
Notice bibliographique
Résumé
Abstract Understanding asphaltene gradients and dynamics of fluids in reservoirs had been greatly hindered by the lack of knowledge of asphaltene nanoscience. Gravitational segregation effects on oil composition, so important in reservoir fluids, are unresolvable without knowledge of (asphaltene) particle size in crude oils. Recently, the "modified Yen model" also known as the Yen-Mullins model, has been proposed describing the dominant forms of asphaltenes in crude oils: molecules, nanoaggregates and clusters. This asphaltene nanoscience approach enables development of the first predictive equation of state for asphaltene compositional gradients in reservoirs, the Flory-Huggins-Zuo (FHZ) EoS. This new asphaltene EoS is readily exploited with "downhole fluid analysis" (DFA) on wireline formation testers thereby elucidating important fluid and reservoir complexities. Field studies confirm the applicability of this scientific formalism and DFA technology for evaluating reservoir compartmentalization and especially connectivity issues providing orders of magnitude improvement over tradional static pressure surveys. Moreover, the mechanism of tar mat formation, a long standing puzzle, is largely resolved by our new asphaltene nanoscience model as shown in field studies. In addition, oil columns possessing large disequilibrium gradients of asphaltenes are shown to be amenable to the new FHZ EoS in a straightforward manner. We also examine recent developments in asphaltene science. For example, important interfacial properties of asphaltenes have been resolved recently providing a simple framework to address surface science. At long last, the solid asphaltenes (as with hydrocarbon gases and liquids) are treated with a proper chemical construct and theoretical formalism. New asphaltene science coupled with new DFA technology will yield increasingly powerful benefits in the future.
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 ».