Performance of Silica Nanoparticles in CO2 Foam for EOR and CCUS at Tough Reservoir Conditions
Notice bibliographique
Résumé
Summary The use of nanoparticles for CO2-foam mobility is an upcoming technology for carbon capture, utilization, and storage (CCUS) in mature fields. Silane-modified hydrophilic silica nanoparticles enhance the thermodynamic stability of CO2 foam at elevated temperatures and salinities and in the presence of oil. The aqueous nanofluid mixes with CO2 in the porous media to generate CO2 foam for enhanced oil recovery (EOR) by improving sweep efficiency, resulting in reduced carbon footprint from oil production by the geological storage of anthropogenic CO2. Our objective was to investigate the stability of commercially available silica nanoparticles for a range of temperatures and brine salinities to determine if nanoparticles can be used in CO2-foam injections for EOR and underground CO2 storage in high-temperature reservoirs with high brine salinities. The experimental results demonstrated that surface-modified nanoparticles are stable and able to generate CO2 foam at elevated temperatures (60 to 120°C) and extreme brine salinities (20 wt% NaCl). We find that (1) nanofluids remain stable at extreme salinities (up to 25 wt% total dissolved solids) with the presence of both monovalent (NaCl) and divalent (CaCl2) ions; (2) both pressure gradient and incremental oil recovery during tertiary CO2-foam injections were 2 to 4 times higher with nanoparticles compared with no-foaming agent; and (3) CO2 stored during CCUS with nanoparticle-stabilized CO2 foam increased by more than 300% compared with coinjections without nanoparticles.
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 ».