MétaCan
Menu
Retour à la cohorte
Enregistrement W2507614716 · doi:10.5006/c2013-02339

Aggressive Corrosion Associated with Salt Deposits in Low Water Content Sour Gas Pipelines

2013· article· en· W2507614716 sur OpenAlexaff
Wes Litke, Joe Bojes, P. Blais, J. A. Lerbscher, Wellington Wamburi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCorrosion Behavior and Inhibition
Établissements canadiensBaker Hughes (Canada)
Organismes subventionnairesnon disponible
Mots-clésCorrosionSour gasPipeline transportSalt (chemistry)Produced waterSalt waterMetallurgyMaterials scienceEnvironmental scienceWaste managementChemistryNatural gasEnvironmental engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Low water volumes associated with gas production can lead to salt deposition under conditions that allow water evaporation to occur within a pipeline system. Salt deposits are capable of attracting water vapor from wet gas that has a water content well below the normal dew point. This phenomenon is related to the hygroscopic or deliquescent properties associated with individual salts present in the deposits. The relative humidity at which liquid water starts to accumulate at salt deposits is referred to as the Deliquescence Relative Humidity (DRH). Both MgCl2 and CaCl2 have strong abilities to attract water and are typical components in gas line salt deposits. This means those components will attract water from the gas, even if the water content is well below the theoretical dew point, and form concentrated salt solutions. These concentrated brines lead to aggressive, localized pitting corrosion. In order to better understand the contribution of deliquescence to the corrosion mechanism in gas pipelines where salt deposits can form, a novel laboratory test method was developed to simulate the deliquescence phenomenon in gas pipelines. This paper gives a brief explanation of DRH, reports findings of this laboratory study and concludes that deliquescence is an integral part of the corrosion mechanism.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,015
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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)0,0020,001

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 Opus0,020
Tête enseignante GPT0,224
Écart entre enseignants0,204 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations4
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCorrosion Behavior and InhibitionTravaux en français237 207