Experimental investigation of the effects of SnO<sub>2</sub> nanoparticles and KCl salt on a water base drilling fluid properties
Notice bibliographique
Résumé
Abstract Reduction of proven gas and oil reserves and increasing demand for energy forces the petroleum industry to drill deeper and more complicated wells. Drilling in these harsh environments requires drilling fluids with specific characteristics. So, improvement of the drilling fluids that can act as proper fluids at high pressure and high temperature conditions is vital in the drilling industry. The purpose of this study is examining the effects of SnO 2 nanoparticles on the properties of drilling fluids and determining of the extent of improvement of water‐based drilling fluids performance. These nanoparticles were added to polymeric water‐based drilling fluids in various concentrations of 1, 2.5, 5, and 7.5 g/L in the presence of KCl at concentrations of 5, 15, 30, 60, and 100 g/L. The experiments were done at temperatures of 30, 50, 70, and 90 °C. Electrical conductivity, thermal conductivity, and thixotropy of the resulting drilling fluids were investigated. Moreover, filtration of the drilling fluids at room temperature, 65, and 95 °C and pressures of 0.6895 MPa (100 psig) and 2.758 MPa (400 psig) and various nanoparticle concentrations were studied. It was found that electrical conductivity and thermal conductivity were increased by 30 % and 15 %, respectively. Finally, in order to have more accurate hydraulic calculations, five rheological models were studied and compared together. It was observed that the Herschel‐Bulkley‐Papanastasiou model showed the highest accuracy with an absolute relative error of 1.1 %.
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 ».