MétaCan
Menu
Retour à la cohorte
Enregistrement W4387446850 · doi:10.2118/214833-ms

Microscale Evaluation on the Feasibility of Foam-Assisted CO2 Sequestration in the Absence and Presence of Oleic Phase: An Integrated Microfluidic Experimental and Pore Network Modeling Study

2023· article· en· W4387446850 sur OpenAlexaff
Jun Yang, Jing Zhao, Yanfeng He, Fanhua Zeng

Notice bibliographique

RevueSPE Annual Technical Conference and Exhibition · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceSaturation (graph theory)MicrofluidicsEnhanced oil recoveryVolumetric flow rateChemical engineeringMicroscale chemistryComposite materialNanotechnologyMechanics

Résumé

récupéré en direct d'OpenAlex

Abstract Gas channeling caused by unfavorable mobility ratio is one of the key issues that limits total storage efficiency of CO2 during geological sequestration. Foam-assisted CO2 sequestration technology is a promising game changer that significantly improves CO2 storage efficiency. The pore-scale process of foam-assisted CO2 sequestration, in the absence and presence of remaining oleic phase, is studied with microfluidic experiments, followed by the comparison with corresponding pore network model incorporated with pore filling event-based algorithm. In this work, microfluidic investigation is carried out to study the pore-scale lamellae behavior during the foam-assisted CO2 displacement inside heterogeneous grain-based pore network. Dynamic gas storage efficiency and lamellae transport behavior of multiple injection modes are compared, including co-injection at constant flow rate, co-injection at constant pressure, and surfactant-alternating-gas process at fixed foam quality. Besides, the impacts from presence of remaining oleic phase and varying distribution of water saturation on formation of immobile foam bank and preferential flow of continuous CO2 are studied, followed by comparison with quasi-static modeling results based on pore filling event network (PFEN) algorithm. When oleic phase is absent, the experimental results show that the mobility adjustment ability of foam during CO2 sequestration is less effective at higher water saturation because of limited frequency of lamellae redistribution, which prevents further development of immobile foam bank. As water saturation reduces with continuous gas injection, active lamellae redistribution starts to weaken the preferential CO2 flow paths, form sufficient blockage along highly permeable region, and eventually divert discontinuous CO2 flow into unvisited region saturated with water. Finally, compared with ordinary foam-free CO2 sequestration process, introduction of foam effectively improves CO2 storage rate by making CO2 flow discontinuous and less mobile, even at unfavorable liquid saturation for mass transfer of foaming surfactant. The presence of remaining oleic phase has remarkable impacts on lamellae configuration of different foam regimes. Defoaming effect of oleic phase on foam displacement is apparent, but the impact is limited at high water saturation stage at which immobile foam bank has not sufficiently developed. Adjusting injection strategy can further optimize foam performance during CO2 sequestration in the presence of residual oil at lower water saturation by balancing the competition between reestablishment of immobile foam bank and frequency of activating preferential flow of continuous CO2. This work provides a pore-scale evaluation of representative stages during foam-assisted CO2 sequestration, which reveals in-situ lamellae behavior from the reduction of preferential CO2 flow to the formation of immobile foam bank. Experimental results have shown the detailed motion of lamellae redistribution, which eventually reveals the controlling roles of CO2 injection strategy, distribution of remaining water saturation, and presence of oleic phase during foam-assisted CO2 sequestration process.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,086
Tête enseignante GPT0,361
Écart entre enseignants0,275 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Annual Technical Conference and ExhibitionMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207