Diffusivity of Gas Into Bitumen: Part I—Analysis of Pressure-Decay Data With Swelling
Notice bibliographique
Résumé
Summary The oil-production rate of in-situ heavy-oil-recovery processes involving the injection of gaseous hydrocarbons partly depends on the diffusivity of the gas in the bitumen. The gas diffusivities required to model these processes are determined indirectly from models of mass-transfer experiments. However, the data in the literature are scattered partly because different methods and model assumptions are used in each case. In this work, the pressure-decay method is examined with a focus on accounting for swelling and the dependence of the diffusivity on the solvent content. To assess these issues, the diffusion of gaseous propane into bitumen is measured at conditions where significant swelling occurs. A numerical model is developed for the pressure-decay experiment that accounts for swelling (including excess volumes of mixing) and variable diffusivity. For gases, such as propane, with a relatively high solubility in bitumen, the error in the calculated diffusivity reached 25% when swelling was not included in the model. The error in the height of the gas/oil interface reached 15%. Nonideal mixing had no effect on the calculated diffusivity and only a small effect on the height of the interface. It was found that the diffusion data from a single experiment could be modeled equally well with a constant or a solvent-concentration-dependent (or viscosity-dependent) diffusivity. However, the apparent constant diffusivities for each experiment were different, confirming their dependence on the solvent content. The constant diffusivity approximately correlated to the viscosity of the oil. A larger data set is required to fully develop and test a correlation, and this work will be presented in Part II of this study (Richardson et al. 2019).
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».