New Method to Determine the Strength of Wax Deposits in Field Pipelines
Notice bibliographique
Résumé
Mechanical pigs are generally used to remove the wax deposit in oil pipelines. A better understanding of the deposit strength is beneficial to make a suitable pigging schedule, preventing the pig from blocking. The previous studies mainly examined the effect of the operating conditions on the thickness and wax content of wax deposit. However, there was little work on the deposit strength, especially the field-deposit strength. This study focuses on a new method to determine the strength of wax deposit in field pipeline. First, the structure of wax deposit obtained from field pipelines and wax deposit formed in laboratory was observed. The results showed that the structure of the field wax deposits is much looser than that of wax deposit formed in lab. The looser structure could result in lower strength. Second, according to analyze, three basic factors contributing to the deposit strength are solid wax content, deposit structure and morphology of wax crystals. Based on above analyzation, a method by preparing model wax-oil gels in the lab instead of field deposit was proposed to measure the field deposit strength indirectly. The model gels were prepared by using the oil obtained from pipeline and a wax. As the structure of field deposit is looser than that of the model gels, a wax was chose to form the smaller size of wax crystals in model gels than that of wax crystals in field deposit for approximately the same strength between field deposit and model gels at the same solid wax content. The strength was measured by using the vane, and the solid wax content was determined by using differential scanning calorimetry (DSC). Third, the accuracy of new method was evaluated. Verification experiments showed that the new method is an effective method for determining the strength of field deposit.
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 ».