Pore-Scale Assessment of Nanoparticle-Stabilized CO<sub>2</sub> Foam for Enhanced Oil Recovery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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) | 0,001 | 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 découle