MétaCan
Menu
Retour à la cohorte
Enregistrement W2802179713 · doi:10.1021/acs.energyfuels.8b00665

Effects of Surface Acidity and Polarity of SiO<sub>2</sub>Nanoparticles on the Foam Stabilization Applied to Natural Gas Flooding in Tight Gas-Condensate Reservoirs

2018· article· en· W2802179713 sur OpenAlexaff
Yira Hurtado, Cristian Beltrán, Richard D. Zabala, Sergio H. Lopera, Camilo A. Franco, Nashaat N. Nassar, Farid B. Cortés

Notice bibliographique

RevueEnergy & Fuels · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesEcopetrolUniversidad Nacional de Colombia
Mots-clésPulmonary surfactantAdsorptionNanoparticleChemical engineeringMethaneEnhanced oil recoveryPorosityPorous mediumPermeability (electromagnetism)Natural gasMaterials scienceNanofluidChemistryChromatographyNanotechnologyComposite materialOrganic chemistryMembrane

Résumé

récupéré en direct d'OpenAlex

Foams in the oil and gas industry have been used as divergent fluids to attenuate the fluid channeling in high-permeability zones. Commonly, foams are generated using a surfactant solution in high-permeability reservoirs, which exhibit stability problems. Therefore, the main objective of this study is to stabilize the foams by the addition of modified silica nanoparticles, varying the surface acidity and polarity for natural gas flooding in tight gas-condensated reservoirs. Four types of modified silica-based nanoparticles with varying surface acidity and polarity (coated with vacuum residue) were synthesized and evaluated using surfactant adsorption. The basic nanoparticles exhibited a greater adsorption capacity of the surfactant, reaching an adsorbed amount of approximately 200 mg of surfactant per gram of nanoparticles, and Type I adsorption behavior. Foams were generated and evaluated based on their stability using two routes, namely, (1) with mechanical agitation and (2) methane flooding, to determine the optimal concentration of nanoparticles to be used. In both scenarios, foam height was monitored against time, and the half-life of the foam was established. The nanofluid prepared using a surfactant solution and 500 mg/L of basic nanoparticles reached a half-life 41% greater than that of the fluid that does not contain nanoparticles. In addition, a core flooding test was performed to evaluate the generation and perdurability of the foam (with and without nanoparticles) by methane flooding and the mobility reduction at typical reservoir conditions (confinement and pore pressure of 5200 and 1200 psi, respectively, and temperature of 100 °C). The porous medium was obtained from a tight gas-condensate reservoir, and it has an absolute permeability of 65.1 mD and a porosity of 7%. The oil recovery with methane injection was about 52%; with foam injection, an additional 10% was obtained, and an 18% additional recovery was reached with the injection of foam and 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 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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,003
Score d'incertitude au seuil0,540

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)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,202
Écart entre enseignants0,196 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations63
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207