MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391775022 · doi:10.46855/energy-proceedings-11007

Molecular Transition Mechanisms of Heavy Oil in Hybrid CO2-surfactant Thermal Systems for Post-steam Reservoirs

2024· preprint· en· W4391775022 sur OpenAlexaff
Ning Lu, Xiaohu Dong, Zhangxin Chen, Huiqing Liu, Deshang Zeng, Xiao Zhan, Yu Li

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPulmonary surfactantPetroleum engineeringThermalEnvironmental scienceTransition (genetics)Chemical engineeringChemistryThermodynamicsGeologyEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

A hybrid CO2-surfactant thermal system can efficiently and eco-friendly improve the oil recovery rate for post-steam heavy oil reservoirs by modifying heavy oil characteristics.However, the complex conditions of high-temperature and high-pressure reservoirs hinder experimental investigations into the microscopic mechanisms of this system.In this study, Molecular Dynamics (MD) simulations reveal the molecular interaction mechanism between a hybrid thermal system, heavy oil, and pore surfaces.The hybrid thermal systems comprise CO2 and a cost-effective SDS (sodium dodecyl sulfate) surfactant.The effects of surface wettability, external temperature, and CO2 concentration on the transition of heavy oil microstructure are investigated.Results show that the hybrid CO2-surfactant systems can effectively improve the microstructure of heavy oil by promoting the thermal expansion process.Moreover, surface wettability and CO2 concentration significantly affect the microstructure of heavy oil.Specifically, the thermal expansion of heavy oil is suppressed on hydrophobic surfaces compared to hydrophilic surfaces.This is because an oil-surface interaction promotes the formation of dense clusters of asphaltenes within a heavy oil layer, making the heavy oil on hydrophobic surfaces more challenging to recover.Meanwhile, the concentration of CO2 determines the state of a hybrid thermal system and ultimately affects the distribution of heavy oil.The hybrid thermal system with moderate dynamic activity and a high effective distribution ratio of CO2 can efficiently improve the microstructure of heavy oil for recovery and demonstrate the potential of CO2 storage.Furthermore, an optimum CO2 concentration of 10 wt.% is recommended for designing the hybrid thermal system.This study provides insights into the molecular transition mechanism of heavy oil in various hybrid thermal systems.It offers valuable theoretical guidance for designing efficient and eco-friendly heavy oil recovery operations to support the transition towards carbon neutrality.

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 enseignants0,002
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 Opus0,009
Tête enseignante GPT0,228
Écart entre enseignants0,219 · 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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnhanced Oil Recovery Techniques→Travaux en français237 207→