Theoretical and experimental investigation of effect of salinity and asphaltene on IFT of brine and live oil samples
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
Abstract Several factors influence the IFT of oil and formation water. These factors are rooted in the complex composition of oil, presence of different salts in water, water salinity, temperature, and pressure of reservoir. In the first part of this paper, effect of salinity on IFT between brine and an Iranian live oil sample has been studied experimentally. It is observed that IFT increases almost linearly with brine concentration. Also, linear increasing behavior of IFT with respect to pressure is obviously seen. Then, using thermodynamic properties such as surface excess concentration, chemical potential, chemical activity, and activity coefficient, results were analyzed and observed effect of salinity and pressure were justified thermodynamically. In the second part, the effect of asphaltene on IFT reduction has been studied. In previous works, the investigators extracted resin and asphaltene and then examined their effects on IFT in the absence of other fractions of oil phase. We believe that all fractions play a role in this phenomenon so, in this paper, the effect of natural surfactants of oil phase on IFT has been investigated in presence of all fractions of oil. Hence, SARA test was performed on all samples. Then, IFT between oil samples and brine were measured using captive drop instrument at 25 °C and 3000 psia. Results showed that neither asphaltene content nor asphaltene/resin ratio is a good indicator for effect of asphaltene on IFT, whereas colloidal instability index could be a useful tool to predict asphaltene effect on IFT.
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 | 0,000 | 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 | 0,001 |
| 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 découle