MétaCan
Menu
Retour à la cohorte
Enregistrement W4376890853 · doi:10.1021/acs.energyfuels.2c03547

Water Separation Performance in Bitumen Recovery from Athabasca Oil Sands: Implementation of Separation Efficiency Index

2023· article· en· W4376890853 sur OpenAlexafffund
Evgeniya Hristova, Kasra Nikooyeh, Stanislav R. Stoyanov

Notice bibliographique

RevueEnergy & Fuels · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensNatural Resources Canada
Organismes subventionnairesInnotech AlbertaOffice of Energy Research and DevelopmentGovernment of Canada
Mots-clésOil sandsSteam-assisted gravity drainageSeparation processAsphaltSolventDiluentResidual oilChemistryMixing (physics)Volume (thermodynamics)ChromatographyExtraction (chemistry)Environmental scienceMaterials scienceThermodynamicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide The oil (diluted bitumen)–water separation efficiency at steam-assisted gravity drainage (SAGD) process conditions has been evaluated in a laboratory environment by using a custom-built batch gravity setup, using SAGD field fluids and commercial gas condensate as a diluent. The key parameters and conditions investigated are solvent amount, shear conditions, water-to-oil ratio, and the presence and wettability of fine solids. The results demonstrate the complexity of the oil–water separation process, affected by the dependence of the investigated parameters from one another. A new quantification approach is introduced to facilitate the oil–water separation efficiency evaluation, based on the proposed descriptor, referred to as a separation efficiency index (SEI). Defined as the average of the residual water-in-oil and oil-in-water indices, SEI ranges from 0 to 1, where 1 represents a “perfect” (complete) separation and 0 corresponds to a complete emulsification. The SEI allows one to describe the separation efficiency throughout the entire separation vessel volume, using discrete vertical water distribution profiles, and represents the separation efficiency with a single number, regardless of the experimental approach taken. The findings show that in the range of solvent concentrations of 30 vol % or lower, the mixing speed affects the separation performance and becomes predominant at the relatively low solvent concentrations of 10 and 20 vol %. The amount of solvent added becomes predominant in the oil–water separation process and overcomes all other effects in the highest solvent addition (40 and 50 vol %) range. The presence of water-wet solids improves the separation performance, while the presence of oil-wet solids impedes the oil–water separation. The results presented in this study, in particular the proposed SEI, are important for improving the oil–water separation efficiency and can be used to develop operational envelopes and new solvent injection strategies, in terms of location, amount, and stages, further improving the quality of the oil product obtained in SAGD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,262
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207