Pore-Scale Assessment of Nanoparticle-Stabilized CO<sub>2</sub> Foam for Enhanced Oil Recovery
Notice bibliographique
Résumé
In this paper, we evaluate nanoparticle-stabilized CO 2 foam stability and effectiveness in enhanced oil recovery at the pore and micromodel scales. The nanoparticle-stabilized CO 2 gas-in-brine foams maintain excellent stability within microconfined media and continue to be stable after 10 days, as compared to less than 1 day for surfactant foam. The nanoparticle-stabilized CO 2 foams are shown to generate a 3-fold increase in oil recovery (an additional 15% initial oil in place), as compared to an otherwise similar CO 2 gas flood. Fluorescence imaging is applied to quantify emulsion size distribution (down to 1 μm) in both CO 2 and nanoparticle-stabilized CO 2 foam flood cases. Nanoparticle-stabilized CO 2 foam flooding results in significantly smaller oil-in-water emulsion sizes with an average size of 1.7 μm (∼80% smaller than a CO 2 gas flood), with negligible impact on water-in-oil emulsions. The effectiveness of nanoparticle-stabilized CO 2 foam is compared for representative light, medium, and heavy oils. All three oils show substantial additional oil recovery and a potentially valuable reservoir homogenization effect. Collectively, these results highlight the pore-scale dynamics, effectiveness, and potential for nanoparticle-stabilized foams in enhanced oil recovery.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».