Emulsion Characterization of the Heavy Oil-Alkaline Water System in Alkaline Flooding Mechanism Investigation Using a Combination of Modified Bottle Test and Sandpack Flooding
Notice bibliographique
Résumé
Due to the diversity of alkali categories and reservoir conditions, the varied oil recovery driving mechanism of alkaline flooding is subjected to different types of emulsion generation. In this study, a modified bottle test method that assesses major emulsion type formation for preliminary prediction of alkaline flooding performance in oil recovery is introduced. The modified method considers the necessary energy input required for mixing immiscible bulk phases at low interfacial tension (IFT) regions to improve the representativity of emulsion formation in the bottle test to that of in porous media. To accurately evaluate the emulsion type and phase volume distribution from the bottle test, each emulsion phase after aging in the test bottle was sampled and its water content was measured through Karl Fischer titration. Afterward, material balance calculations other than pure volume observation were applied to quantify the emulsion volume and determine the major emulsion type formation. It is found that the majority of emulsion effluent type from the sandpack flooding test were in agreement with the bottle test forecast which proved the feasibility of the modified bottle test method. The statistically optimized experimental designs were implemented due to the simplicity of the new bottle test method and it considerably cut the time expense regarding the alkaline flooding performance prediction. The high versatility of the modified bottle test ensures that the alkali usage is not limited to the inorganic alkalis mentioned in this study; other type of alkaline solutions can also be used for further expanding the scope of its application.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 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 ».