Experimental Investigation of Electrokinetic Assisted Hybrid Smartwater EOR in Carbonate Reservoirs
Notice bibliographique
Résumé
Abstract Smartwater flooding is a promising oil recovery technique, demonstrating positive results in many laboratory and field tests, by altering salinity and ionic composition of injection water. Injection of smartwater in carbonate reservoirs has gained interest due to its potential feasible application, taking advantage of improved oil recovery. Electrokinetic enhanced oil recovery (EK-EOR) is another rising technology that involves passing low D.C. current through the reservoir between a subsurface anode and cathode in the producing well. It has demonstrated a number of advantages including fluid viscosity reduction, permeability enhancement and reduced water cut. Our formulation aimed at advancing their combined mechanisms through a novel hybrid EOR. This study is the first attempt to present the experimental work on Smartwater Flooding integrated with the application of Electrokinetics (EK). The effects of total salinity, reducing monovalent ions (Na+ and Cl-) and spiking of multivalent anions (SO42-) on the crude oil/brine/rock interaction were studied. Zeta potential tests were integrated with core flooding experiments systematically designed to identify the optimum ionic concentration and current density. Optimization of current density was essential for controlling both Cl2 gas generation and formation damage. EK showed positive effects with our designed Smartwater, when optimum currentdensity was induced, allowing earlier production and incremental displacement efficiency of 2.4-6%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».