Polymer-Coated Nanoparticles for Reversible Emulsification and Recovery of Heavy Oil
Notice bibliographique
Résumé
Heavy crude oil has poor solubility and a high density, making recovery and transport much more difficult and expensive than for light crude oil. Emulsifiers can be used to produce low viscosity oil-in-water emulsions for recovery and transport, but subsequent demulsification can be challenging. Here, we develop and implement interfacially active, pH-responsive polymer-coated nanoparticles (PNPs) to reversibly stabilize, recover, and break oil/water emulsions through variation of solution pH. Silica particles with poly(2-(dimethylamino)ethyl methacrylate) (DMAEMA) chains covalently grafted to the surface are prepared although a reversible addition fragmentation chain transfer grafting-through technique. The resulting DMAEMA PNPs can stabilize emulsions of high viscosity Canadian heavy oil at PNP concentrations as low as 0.1 wt % and at neutral pH. The performance of the DMAEMA PNPs exceeds that of DMAEMA homopolymer additives, which we attribute to the larger size and irreversible adsorption of DMAEMA PNPs to the oil/water interface. After recovery, the emulsion can be destabilized by the addition of acid to reduce pH, resulting in separation and settling of the heavy oil from the aqueous phase. Recovery of more than 10 wt % of the crude heavy oil-in-place is achieved by flooding with aqueous solution of 0.1 wt % DMAEMA PNPs without any additional surfactant or chemical. This work demonstrates the applicability of PNPs as surface active materials for enhanced oil recovery processes and for heavy oil transport.
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 ».