Reservoir souring: sulfur chemistry in offshore oil and gas reservoir fluids
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
The injection of sulfate-containing seawater into an oil reservoir, for maintaining the reservoir pressure, can promote the growth of sulfate reducing bacteria and archaea near the injection wells, leading to the formation of sulfides such as hydrogen sulfide. However, intermediate sulfur species with different valence states, such as polythionates and polysulfides have been detected in several produced water samples, likely a result of phase partitioning, and chemical and microbial reactions. These sulfur species could affect the microbial communities (e.g., microbially influenced corrosion) and will impact the efficiency of souring mitigation methods. In addition, the presence of these sulfur species can result in operational, environmental, and treatment problems. Therefore, development and implementation of souring control strategies during production cycle of oil and gas reservoirs require identifying the origins, reactivity, and the partitioning behaviour of these compounds. This paper presents an overview of the known mechanisms responsible for reservoir souring and then focuses on the chemical reactions and sulfur species associated with production and consumption of hydrogen sulfide. In this work we highlight complexity of the sulfur chemistry and that the assumption that all the sulfate is reduced to hydrogen sulfide can lead to inappropriate souring management methods. The paper also reviews the detection and analysis methods used for sulfur compounds. The review demonstrates that there is a gap in the current souring models and methods due to the exclusion of key sulfur compounds and challenges in identifying and quantifying these compounds with respect to speed of analysis and sample stability.
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 | 0,001 | 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 | 0,001 |
| 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 découle