MétaCan
Menu
Retour à la cohorte
Enregistrement W2162982581 · doi:10.2516/ogst:2007080

Canadian Crudes: A Comparative Study of SARA Fractions from a Modified HPLC Separation Technique

2008· article· en· W2162982581 sur OpenAlexafffundabout
John R. Woods, Judy Kung, David Kingston, Luba S. Kotlyar, B.D. Sparks, T. McCracken

Notice bibliographique

RevueOil & Gas Science and Technology – Revue d’IFP Energies nouvelles · 2008
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensNational Research Council Canada
Organismes subventionnairesNatural Resources CanadaUniversity of Regina
Mots-clésAsphalteneFractionationChemistryPetroleumFraction (chemistry)Gel permeation chromatographyChromatographyHigh-performance liquid chromatographyCrude oilOrganic chemistryPetroleum engineeringGeologyPolymer

Résumé

récupéré en direct d'OpenAlex

In recent years, a worldwide reduction in economically recoverable conventional petroleum reserves has led to an increase in exploration and production activity in heavier crude oils. In Canada, up-graders have been required to deal with more accessible, but difficult to process, heavy oils and bitumen from oil sands. In order to optimize plant operating conditions and assess their impact on the environment, a thorough knowledge of the molecular structure and behaviour of the source petroleum is needed. The problems associated with hydro-processing of fractions rich in nitrogen is of particular concern.The approach applied here involves separation of a series of diversified Canadian crude oils (oil sands bitumens plus heavy and conventional oils) into asphaltenes and maltenes, followed by further fractionation of the maltene components by High Performance Liquid Chromatography (HPLC). This approach differs from conventional SARA (saturates, aromatics, resins, asphaltenes) separation in that multiple fractions are easily separated on the basis of polarity differences thereby providing more detailed information on component class distribution. The separated fractions are subjected to characterization by various analytical methods, including: gel permeation chromatography (GPC) for number average molecular weight determination, molecular parameter calculation using CHNS analyses in combination with 1H and 13C NMR spectroscopy and group analysis by peak deconvolution of X-ray photo-electron spectra (XPS). The bitumens comprise less saturates but more resins and asphaltenes than any of the other heavy oils tested. Conversely, the conventional crude is associated with the highest saturates content and the least amount of resins and asphaltenes. Yields of aromatic fractions from different sources all fall within a relatively narrow range. It is noteworthy that the SARA fractions from each oil produced relatively similar bulk property values. All of the resin fractions contained more than 40% of the total nitrogen, i.e., greater than the amounts contributed by the corresponding asphaltene fractions. For the resin sub-fractions relatively minor differences between molecular weights, atomic H/C ratios and aromaticity were observed. The substantial difference in the HPLC elution behaviour for these subfractions appears to be attributable to the asymmetric distribution of polar nitrogen compounds for material collected at longer elution times. This observation may allow selective removal of intractable nitrogen compounds, possibly leading to cost savings through improved catalyst utilization in a modified upgrading process.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,501
Score d'incertitude au seuil0,996

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,271
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations77
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueOil & Gas Science and Technology – Revue d’IFP Energies nouvellesMême sujetPetroleum Processing and AnalysisTravaux en français237 207