MétaCan
Menu
Retour à la cohorte
Enregistrement W2315072662 · doi:10.1021/ef2014259

Novel Magnetic Demulsifier for Water Removal from Diluted Bitumen Emulsion

2011· article· en· W2315072662 sur OpenAlexaff
Junxia Peng, Qingxia Liu, Zhenghe Xu, Jacob H. Masliyah

Notice bibliographique

RevueEnergy & Fuels · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDemulsifierEmulsionMagnetic nanoparticlesMagnetic separationChemical engineeringOil dropletAqueous solutionNanoparticleAqueous two-phase systemMaterials scienceSolventAsphalteneChemistryChromatographyNanotechnologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The production of conventional crude oil and bitumen often faces the challenges in removing residual water from stable water-in-oil emulsions. The chemical demulsifier is commonly employed to enhance water removal because of its high efficiency and simplicity in operation. In this study, a novel magnetic demulsifier with a surface-active ethyl cellulose (EC) grafted on magnetic nanoparticle surfaces, called M-EC, was investigated for water removal from water-in-diluted bitumen emulsions. The M-EC was demonstrated to be interfacially active and magnetically responsive. The interfacial activity of EC on the surface of novel M-EC nanoparticles allowed them to be effectively attached to otherwise stable emulsified water droplets in diluted bitumen emulsions. The M-EC tagged water droplets were readily removed by an external magnetic field. When a simple magnetic separation was combined with tagging of emulsified water droplets by M-EC nanoparticles, our experimental results showed a more than 90% removal of the original water from the diluted bitumen. Such a combination led to a separation time about 10 times faster than corresponding demulsification by chemical EC. The external magnetic field was found to enhance the coalescence of magnetically tagged water droplets in emulsion, producing a much smaller volume of sludge and hence leading to a minimal hydrocarbon loss to waste aqueous phase. The chemical bonding of interfacially active EC on the surface of magnetic nanoparticles and the magnetic property of M-EC allowed the spent M-EC nanoparticles to be readily recovered by magnetic separation and regenerated by solvent washing. The regenerated M-EC was found to retain its interfacial activity and be effective in breaking the diluted bitumen emulsions after reuse for 10 cycles. Application of M-EC nanoparticles to an industrial bitumen froth showed a minimal water removal of greater than 80%, demonstrating their promising applications to industry demulsification. The current study demonstrated that magnetic demulsification with tailor-designed magnetic demulsifiers represents a new direction of removing emulsified water from heavy oil and diluted bitumen emulsions.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,203
Écart entre enseignants0,186 · 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

Citations147
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207