Insights Into Bitumen Viscosity Reduction Using Ultrasound-Assisted EOR
Notice bibliographique
Résumé
Abstract The present work clarifies the mechanisms associated with bitumen viscosity reduction during ultrasound sonication. A Canadian (CDN) and Nigerian (NGR) bitumen, selected for this study, have a respective viscosity of 2,617 and 12,043 cP at room temperature. Two series of ultrasound sonication experiments were performed using an ultrasonic generator and the submersible traducer. A series of experiments at 28, 38 and 200 kHz under ambient (air)-environment revealed that sonicating the oil continuously for 3 h at 200 kHz reduced NGR viscosity from 12,043 to 2,079 cP and the asphaltene content from 3.21 to 1.14 wt.%. Under the same conditions, CDN viscosity reduced from 2,617 to 486 cP and its asphaltene content increased from 5.72 to 8.11 wt.%. A reverse trend was observed at 38 kHz. For an average of 70% viscosity reduction, asphaltene content increases to 7.94 wt.% for NGR and decreases to 1.03 wt.% for CDN. On the other hand, bitumen sonication at 38 kHz under nitrogen (N2), and carbon dioxide (CO2) environment showed that irradiating NGR for 3 h under an N2 environment resulted in the lowest oil viscosity of 3,274 cP. However, the asphaltene content increases to 16.3 wt.%. Changing the gas environment to CO2 and air could reduce the viscosity to 4,415 and 9,773 cP, respectively. The asphaltene content decreases to 15.1 and 2.37 wt.%, concurrently. No direct relation between asphaltene content and viscosity reduction was established. Nevertheless, the viscosity reduction is influenced either by the applied frequency or gas environment. The minimum energy required to initiate the flow increased with the applied frequency and was fairly altered by the change in the gas environment.
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 | 0,001 |
| 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 ».