Microcarriers for Smart Release of Kinetic Hydrate Inhibitors Under Hydrate Formation Condition Inside Flowlines
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
Abstract Hydrate formation in subsea flowlines is one of the main concerns to safely transport the hydrocarbon fluids in the field of flow assurance. To prevent blockage of hydrate, thermodynamic hydrate inhibitors (THIs) have been injected into the subsea flowlines; however, the high injection amount of THIs may drive up operational expenditure (OPEX) with increasing water depth of oil and gas reservoirs. Kinetic hydrate inhibitors (KHIs) have been investigated as an alternative for few decades. In this study, microcapsules were designed using microfluidics concept for efficient release of KHIs at off-shore transport line of hydrocarbon and gas. Hydrate formation kinetics among four different systems, pure water, microcapsules containing poly vinyl caprolactam (PVCap), microcapsules without PVCap, and PVCap aqueous solution was investigated. The dispersive Raman was applied to understand hydrate formation on microcapsules with temperature change under static condition, and autoclave study also was employed to confirm the shear rate effect on microcapsule stability. From the both experiments, it was confirmed that release of KHI solution from microcapsules delayed the formation of hydrate at the target temperature and showed a similar efficacy comparing to the bulk KHI solution under turbulent condition. These results indicated the release of PVCap solution can be controlled by adjusting the membrane thickness of the microcarriers, which would provide operational flexibility to manage the risk of hydrate plug formation.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle