Pore-Scale Study on Shale Oil–CO<sub>2</sub>–Water Miscibility, Competitive Adsorption, and Multiphase Flow Behaviors
Notice bibliographique
Résumé
Due to the fracturing fluid imbibition and primary water, oil–water two-phase fluids generally exist in shale nanoporous media. The effects of water phase on shale oil recovery and geological carbon sequestration via CO 2 huff-n-puff is non-negligible. Meanwhile, oil–CO 2 miscibility after CO 2 huff-n-puff also has an important effect on oil–water two-phase flow behaviors. In this work, by considering the oil–CO 2 competitive adsorption behaviors and the effects of oil–CO 2 miscibility on water wettability, an improved multicomponent and multiphase lattice Boltzmann method is proposed to study the effects of water phase on CO 2 huff-n-puff. Additionally, the effects of oil–CO 2 miscibility on oil–water flow behaviors and relative permeability are also discussed. The results show that due to Jamin’s effect of water droplets in oil-wetting pores and the capillary resistance of bridge-like water phase in water-wetting pores, CO 2 can hardly diffuse into the oil phase, causing a large amount of remaining oil. As water saturation increases, Jamin’s effect and the capillary resistance become more pronounced, and the CO 2 storage mass gradually decreases. Then, based on the results from molecular dynamics simulations, the influences of oil–CO 2 miscibility on oil–water relative permeability in calcite nanoporous media are studied, and as the oil mass percentage in the oil–CO 2 miscible system decreases, the oil/water relative permeability decreases/increases. The improved lattice Boltzmann model can be readily extended to quantitatively calculate geological CO 2 storage mass considering water saturation and calculate the accurate oil–water relative permeability based on the real 3D digital core.
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 | 0,000 |
| 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) | 0,000 | 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 ».