Assessing Microbial Corrosion Risk on Offshore Crude Oil Production Topsides under Conditions of Nitrate and Nitrite Treatment for Souring
Notice bibliographique
Résumé
Oilfield souring is a detrimental effect caused by sulfate-reducing microorganisms that reduce sulfate to sulfide during their respiration process. Nitrate or nitrite can be used to mitigate souring, but may also impart a corrosion risk. Produced fluids sampled from the topside infrastructure of two floating, production, storage, and offloading (FPSO) vessels (Platform A and Platform B) were assessed for microbial corrosion under nitrate and nitrite breakthrough conditions using microcosm tests incubated at 54 °C. Microbial community compositions on each individual FPSO were similar, while those between the two FPSO vessels differed. Platform B microbial communities responded as expected to nitrate breakthrough conditions, where nitrate-reducing activity was enhanced and sulfate reduction was inhibited. In contrast, nitrate treatments of Platform A microbial communities were not as effective in preventing sulfide production. Nitrite breakthrough conditions had the strongest sulfate reduction inhibition in samples from both platforms, but exhibited the highest pitting density. Live experimental replicates with no nitrate or nitrite additive yielded the highest general corrosion rates in the study (up to 0.48 mm/year), while nitrate- or nitrite-treated fluids revealed general corrosion rates that are considered low or moderate (<0.12 mm/year). Overall, the results of this study provide a description of nitrogen- and sulfur-based microbial activities under thermophilic conditions, and their risk for MIC that can occur along fluid processing lines on FPSO topsides that process fluids during offshore oil production operations.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».