Nanoparticle-stabilized CO2 foam flooding for enhanced heavy oil recovery: A micro-optical analysis
Notice bibliographique
Résumé
Surfactant flooding is a well-known chemical approach for enhancing oil recovery. Surfactant flooding has the disadvantage that it cannot withstand the hard reservoir conditions. Improvements in oil recovery and release are made possible by the use of nanoparticles and surfactants and CO2 co-injection because they generate stable foam, reduce the interfacial tension (IFT) between water and oil, cause emulsions to spontaneously form, change the wettability of porous media, and change the characteristics of flow. In the current work, the simultaneous injection of SiO2, Al2O3 nanoparticles, anionic surfactant SDS, and CO2 in various scenarios were evaluated to determine the microscopic and macroscopic efficacy of heavy oil recovery. IFT (interfacial tension) was reduced by 44% when the nanoparticles and SDS (2000 ppm) were added, compared to a reduction of roughly 57% with SDS only. SDS-stabilized CO2 foam flooding, however, is unstable due to the adsorption of SDS in the rock surfaces as well as in heavy oil. To assess foam's potential to shift CO2 from the high permeability zone (the thief zone) into the low permeability zone, directly visualizing micromodel flooding was successfully executed (upswept oil-rich zone). Based on typical reservoir permeability fluctuations, the permeability contrast (defined as the ratio of high permeability to low permeability) for the micromodel flooding was selected. However, the results of the experiment demonstrated that by utilizing SDS and nanoparticles, minimal IFT was reached. The addition of nanoparticles to surfactant solutions, however, greatly boosted oil recovery, according to the findings of flooding studies. The ultimate oil recovery was generally improved more by the anionic surfactant (SDS) solution including nanoparticles than by the anionic surfactant (SDS) alone.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».