Stable <scp>CO<sub>2</sub></scp>/water foam stabilized by dilute surface‐modified nanoparticles and cationic surfactant at high temperature and salinity
Notice bibliographique
Résumé
Abstract CO2 enhanced oil recovery and storage could see widespread deployment as decarbonization efforts accelerate to meet climate goals. CO2 is more efficiently distributed underground as a viscous foam than as pure CO2; however, most reported CO2 foams are unstable at harsh reservoir conditions (22 wt% brine, 2200 psi, and 80°C). We hypothesize that silica nanoparticles (NP) grafted with (3‐trimethoxysilylpropyl)diethylenetriamine ligands (N3), to improve colloidal stability, and dimethoxydimethylsilane ligands (DM), to improve CO2‐phillicity, combined with the cationic surfactant N1‐alkyl‐N3, N3‐dimethylpropane‐1,3‐diamine (RCADA), will develop viscous, stable CO2 foams at reservoir conditions. We grafted NP with N3 and DM ligands. We verified NP stability at reservoir conditions with measurements of zeta potential, amine titration curves, and NP diameter. We measured NP water contact angles (θw) at the water–air and water–liquid CO2 interfaces. In a high‐temperature, high‐pressure flow apparatus, we calculated the viscosity of CO2 foams across a beadpack and determined static foam stability with microscope observations. Modified NP were colloidally stable at reservoir conditions for 4 weeks, and had higher θw in liquid CO2 than in air. Addition of at least 0.5 μmol/m2 DM silane (0.5DM) greatly improved foam stability. RCADA‐only foam coarsening rates (dDSM3/dt) decreased 16–17× after adding 1 wt/vol% 8N3 + 1.5DM NP, and 5–10× with a 0.1–1 vol/vol% increase in RCADA concentration (with or without NP). 1 vol/vol% RCADA foam exhibited coarsening rates of 900 and 2400 μm3/min with 1 and 0.2 wt/vol% 8N3 + 1.5DM NP, respectively. These results demonstrate impressive foam stabilities at harsh reservoir conditions.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».