Keys to improve the efficiency of nanoparticle‐stabilized foam injection based on influential mechanisms
Notice bibliographique
Résumé
Abstract The effect of the existence of nanoparticles on foam stability, foamability, and the oil recovery factor (RF) has been studied experimentally, and influential phenomena and mechanisms have been examined. A sequence of experiments, including, ‘foam bulk‐static experiments’, ‘surface tension (ST) measurements,’ and ‘micromodel foam flood,’ were designed and then implemented to study the foam behaviour in two foam systems: (1) anionic‐nanoparticles + cationic‐surfactant and (2) anionic‐nanoparticles + anionic‐surfactant. This study provides a comprehensive insight into the mechanisms affecting the stability of nanoparticle‐stabilized foam. Also, despite previous studies, the effect of Marangoni flow on nanoparticle‐stabilized foam has been discussed briefly. Results show that the interactions of effective mechanisms work differently in the two series. In the like‐charge system, surfactant molecules accumulate in the interface of lamellas due to repulsive forces; therefore, stability and foamability improve as surface tension and molecular diffusion reduce. Additionally, Marangoni flow restitutes the negative impact of gravity drainage. In the unlike‐charge system, observations illustrate that nanoparticles reach the interface. The presence of nanoparticles at the interface increases detachment energy significantly, and as a result, the stability is boosted. The accumulation of nanoparticles in the interface changes it to a solid‐like surface with limited diffusibility and viscosity. Although Marangoni flow is lost, reducing molecular diffusion improves foam stability. Flooding tests show that foam stability increment improves sweep efficiency at near‐wellbore areas even when foamability is weak. Finally, it can be claimed that in the unlike‐charge system, the sweep efficiency and foam stability increase to a greater extent.
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 | 0,000 |
| 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 ».