Stabilizing CO2 Foam by Use of Nanoparticles
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
Summary Foamed fluids have been used for decades to diminish formation damage in nearly all kinds of reservoirs over a wide range of pressures and temperatures. Although water-based fluids are widely used in the oil industry as one of the most-economic hydraulic-fracturing methods, foam is another viable alternative to fracture water-sensitive reservoirs where damage to pore throats is caused by swelling clays or fines migration. CO2 foam not only reduces formation damage by minimizing the quantity of aqueous fluid that enters the formation, but also significantly improves sweep efficiency. Even though surfactant is commonly used to generate stable foam in high-temperature and high-salinity environments, such foam can degrade in these harsh conditions. The main objective of this study is to improve the stability of CO2 foam by the use of a mixture of CO2/alpha olefin sulfonate (AOS) solution with nanoparticles, guar gum, or viscoelastic surfactants (VESs). Foam stability is studied for various solutions by the use of a high-pressure view-chamber (HPVC) setup to find the optimal surfactant and nanoparticle concentration at which higher foam stability in the CO2 foam system can be reached. In addition to surfactant and nanoparticle concentration, the effects of temperature, pressure, and salinity on foam stability were studied. Temperature ranged from 75 to 212°F, and pressure increased from atmospheric to 800 psi. AOS solutions were prepared with brine and surfactant concentrations ranging from 1.0 to 10 wt% of NaCl and zero to 1 wt% of AOS. Temperature and pressure had a negative effect on the foam stability when AOS solutions were used. However, nanoparticles improved the foam stability for AOS, AOS and guar gum, and AOS with VES solutions.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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