Experimental Study of the Interaction between NaOH, Surfactant, and Polymer in Reducing Court Heavy Oil/Brine Interfacial Tension
Notice bibliographique
Résumé
The effect of the surfactant, NaOH, and polymer and the interactions between them on the heavy oil/water interface are unveiled by studying the dynamic interfacial tension (IFT), minimal transient IFT, and total organic carbon (TOC) and analyzing the phenomenon during the measurement of IFT of heavy oil/different alkaline systems, including alkaline (A), alkaline–surfactant (AS), alkaline–polymer (AP), and alkaline–surfactant–polymer (ASP). The results show that there exists a minimum transient IFT. There is an optimal composition to achieve the minimal IFT with varying NaOH concentrations in 0.018–0.8 wt %. For different chemical solutions, the optimal composition is different. Adding polymer affects the IFT by influencing the diffusion of species to or from the interface. Despite polymer addition, adding surfactant will increase the IFT at a lower alkaline concentration because of its competitive adsorption with OH – and reduce the IFT at a higher alkaline concentration because of its synergistic effect. The synergy between the surfactant and alkaline is turned out as follows: NaOH reacts with the polar components in the oil phase to produce ionized surface-active species; then the IFT is reduced; and the oil drop is prolonged. Surfactant accelerates the diffusion of ionized species from the interface to the bulk phase, and then the polar components underneath it are exposed to NaOH; therefore, the reaction between NaOH and polar oil components can proceed to further reduce the IFT. The contraction of the oil drop after surface-active species departed can be explained reasonably by considering the influence of the composition and structure of heavy oil.
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 ».