Effect of Salinity on Drag Reduction of Additives and Mixtures under Turbulent Flow
Notice bibliographique
Résumé
The performance of partially hydrolyzed polyacrylamide (HPAM), which is the most commercially used polymer in drag reduction (DR) applications, is affected by several factors. These factors include Reynolds number, polymeric concentration, molecular weight, and, more importantly, salinity conditions, which can dramatically impact the polymeric structure and its behavior. In the current work, a deep analysis is done on the performance of HPAM at salinity levels mimicking industrial conditions by using an industrial-scale fluid flow loop and a rotational rheometer. The impact of salinity on DR performance and degradation rates of HPAM was investigated at various molecular weights and a fixed concentration and then fitted with exponential decay models. Then, measurements of DR of the additives alone at different concentrations as well as blends of two salt-resisting polymers, i.e., xanthan gum (XG) and poly(ethylene oxide) (PEO), were analyzed in tap water and in brine at different mass ratios. Our results showed that the presence of salts led to the drop of the DR of HPAM to almost half its value in tap water, while PEO was found to have an increase in the DR, and XG maintained nearly the same performance. The HPAM–XG mixtures had higher levels of improvement in both media and a slight improvement in the DR in brine over those of HPAM measurements alone. In the case of the HPAM–PEO mixture, the DR is substantially increased compared to HPAM alone. The results of this work confirm that conventional solutions, represented by the physical mixing of HPAM with inexpensive and environmentally friendly additives, are possible and can lead to a massive reduction in energy and freshwater consumption in industrial applications such as hydraulic fracturing.
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 | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».