MétaCan
Menu
Retour à la cohorte
Enregistrement W2926559287 · doi:10.1149/ma2018-02/10/573

The Underoil Droplet Corrosion Behavior of X100 Pipeline Steel

2018· article· en· W2926559287 sur OpenAlexaffabout
Hongxing Liang, Jing Liu, Rebecca Schaller, Edouard Asselin

Notice bibliographique

RevueECS Meeting Abstracts · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen embrittlement and corrosion behaviors in metals
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCorrosionPipeline transportMaterials scienceMetallurgyAsphaltPitting corrosionComposite materialEnvironmental scienceEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Canadian natural bitumen production will reach a peak of 112 million barrels per day in 2078 [1]. Pipelines are primarily used to transport this bitumen. Bitumen must be diluted in order to be pumped through a pipeline effectively because it is otherwise too viscous to flow [2]. Underoil droplet corrosion of diluted bitumen (dilbit) pipelines may lead to the loss of pipe wall thickness, which deteriorates the structural reliability and increases the risk of leaking of pipelines. The current models for atmospheric droplet corrosion, where no limitation to oxygen access is imposed, cannot be applied to underoil droplet corrosion in dilbit pipeline conditions. In this study, a NaCl droplet on X100 pipeline steel covered by paraffin oil is used to simulate the corrosive environment encountered in diluted bitumen pipelines. A new distinctive corrosion mechanism is proposed to explain the corrosion of X100 pipeline steel beneath an underoil salty droplet. This mechanism accounts for the depleted oxygen levels in the droplet environment. In the initial stage (1 h), the distribution of corrosion pits was heterogeneous with one area under the droplet presenting a higher pit density. As the corrosion proceeded (24 h), the localized corrosion was governed by pH development due to initial pit density. Regions of initially higher pit density switched to general corrosion, while regions with lower pit densities continued pitting. The effects of droplet volume, chloride ion concentration, and temperature on the underoil droplet corrosion behavior of X100 pipeline steel were also studied by scanning electron microscopy, Raman spectroscopy, and profilometry. At 23 °C, lepidocrocite and hematite were observed in the region where pitting was initially prevalent. However, as this region switched to uniform corrosion, goethite, lepidocrocite, and hematite were formed. The same distribution of crystal structures was identified for the droplets with varying volume and chloride ion concentration. When the temperature was increased to 60 °C, hematite was detected in both regions. Decreased droplet volumes, increased chloride concentration, and raised temperatures increase corrosion penetration when uniform corrosion is prevalent. This study provides important findings to better understand the mechanisms behind droplet corrosion underoil and informs future predictions of the corrosion rate of pipeline steels. References [1] S. H. Mohr and G. M. Evans. Long term prediction of unconventional oil production. Energy Policy 2010; 38: 265−276. [2] National Research Council of the National Academy of Sciences, Effects of diluted bitumen on crude oil transmission pipelines, in: Transportation Research Board Special Report 311, Washington DC, 2013.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,007
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,283
Écart entre enseignants0,259 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetHydrogen embrittlement and corrosion behaviors in metalsTravaux en français237 207