MétaCan
Menu
Retour à la cohorte
Enregistrement W3085595429 · doi:10.1021/acsomega.0c02058

Foam Dynamics in Limestone Carbonate Cores

2020· article· en· W3085595429 sur OpenAlexfundno aff
M. G. Aarra, Abdul Majid Murad, Jonas Solbakken, Arne Skauge

Notice bibliographique

RevueACS Omega · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesEnergi Simulation
Mots-clésCarbonateEnhanced oil recoverySaturation (graph theory)Chemical engineeringFossil fuelAdsorptionPetroleum engineeringMaterials scienceGas oil ratioMineralogyChemistryGeologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

There is an increasing interest in foam applications in heterogeneous carbonate reservoirs to improve gas sweep and mitigate a high gas–oil ratio (GOR) in production wells. However, foam has been studied in sandstones more than in carbonates, and there are few experimental investigations considering matrix transport properties of foam in carbonates. Thus, this study takes a fundamental approach to improve our understanding of foam generation and transport process in the absence and presence of remaining oil in carbonates by co-injection of Alpha Olefin Sulfonate (AOS) solution and nitrogen (N2) in outcrop Indiana Limestone at high pressure and temperature after satisfying adsorption. In the oil-free core, development of the foam generation transient period and its transition into steady-state foam was rapid for all gas fractions, where the strongest foam was obtained at 90% gas fraction. Foam properties were successfully reproduced at different gas fractions. At remaining oil saturation, foam generation and propagation were significantly delayed and were observed at a high AOS surfactant concentration (5 wt %). Persistent foams were obtained both with and without remaining oil present, which withstood pressure gradients of N2 up to 0.5 bar/m for extended times. Therefore, if correctly designed, foam gas shut-off can be a low-cost low-risk technique to reduce problems with high GOR, gas-handling, and gas reinjections.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,391
Score d'incertitude au seuil0,505

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 Opus0,009
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS OmegaMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207