Surfactant and nanoparticle synergy: Towards improved foam stability
Notice bibliographique
Résumé
Surfactant foam stability gets a lot of interest while posing a significant obstacle to many industrial operations. One of the viable solutions for addressing gas mobility concerns and boosting reservoir fluid sweep efficiency during solvent-based enhanced heavy oil recovery processes is foam formation. The synergistic effect of nanoparticles and surfactants in a porous reservoir media can help create a more durable and sturdier foam. This study aims to see how well a combination of the nanoparticles (NPs) and surfactant can generate foam for controlling gas mobility and improving oil recovery. This research looked at the effects of silicon and aluminum oxide nanoparticles on the bulk and dynamic stability of sodium dodecyl surfactant (SDS)-foam in the presence and absence of oil. Normalized foam height, liquid drainage, half-decay life, nanoparticle deposition, and bubble size distribution of the generated foams with time were used to assess static foam stability in the bulk phase, while dynamic stability was studied in the micromodel. To understand the processes of foam stabilization by nanoparticles, the microscopic images of foam and the shape of bubbles were examined. When nanoparticles were applied in foamability testing in bulk and dynamic phase, the foam generation and stability were improved by 23% and 17%, respectively. In comparison to surfactant alone, adding nanoparticles to surfactant solutions leads to a more significant pressure drop of 17.34 psi for SiO2 and 14.86 psi for Al2O3 NPs and, as a result, a higher reduction in gas mobility which ultimately assists in enhancing oil recovery.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».