MétaCan
Menu
Retour à la cohorte
Enregistrement W4380082095 · doi:10.3390/en16124610

Current Status and Future Trends of In Situ Catalytic Upgrading of Extra Heavy Oil

2023· article· en· W4380082095 sur OpenAlexaff
Zhengbin Wu, Hanzhao Chen, Xidong Cai, Qiyang Gou, Liangliang Jiang, Kai Chen, Zhangxin Chen, Shu Jiang

Notice bibliographique

RevueEnergies · 2023
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesChina University of GeosciencesChina University of Petroleum, BeijingNational Natural Science Foundation of China
Mots-clésCatalysisEnvironmental scienceIn situAutomatic summarizationWaste managementPetroleum engineeringNanotechnologyProcess engineeringMaterials scienceChemistryEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

In situ catalytic upgrading of heavy oil decomposes viscous heavy oil underground through a series of complex chemical and physical reactions with the aid of an injected catalyst, and permits the resulting lighter components to flow to the producer under a normal pressure drive. By eliminating or substantially reducing the use of steam, which is prevalently used in current heavy oil productions worldwide and is a potent source of contamination concerns if not treated properly, in situ catalytic upgrading is intrinsically environmental-friendly and widely regarded as one of the promising techniques routes to decarbonize the oil industry. The present review provides a state-of-the-art summarization of the technologies of in situ catalytic upgrading and viscosity reduction in heavy oil from the aspects of catalyst selections, catalytic mechanisms, catalytic methods, and applications. The various types of widely used catalysts are compared and discussed in detail. Factors that impact the efficacy of the in situ upgrading of heavy oil are presented. The challenges and recommendations for future development are also furnished. This in-depth review is intended to give a well-rounded introduction to critical aspects on which the in situ catalytic application can shed light in the development of the world’s extra heavy oil reservoirs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,725
Score d'incertitude au seuil0,305

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,249 · 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 tête enseignante, 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

Citations33
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPetroleum Processing and AnalysisTravaux en français237 207