Microfluidic Insights into the Effects of Reservoir and Operational Parameters on Foamy Oil Flow Dynamics during Cyclic Solvent Injection: Reservoir-on-the-Chip Aided Experimental and Numerical Studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study examines the microfluidic characterization of foamy oil flow dynamics in heterogeneous porous media. A total of 12 microfluidic CSI experiments were conducted using reservoir-on-the-chip platforms. In addition, detailed PVT analysis was performed to characterise the heavy oil/solvent systems. Moreover, a numerical model constructed with CMG software package (2021.10) has been validated against the experimental findings in this study. A clear-cut visualization study provided by microfluidic systems revealed that factors including solvent type, pressure depletion rate, and reservoir parameters have a significant impact on foamy oil flow extension. It was found that a solvent containing a higher CO2 content demonstrated more effective performance compared with other solvent compositions, owing to its capability to reduce viscosity, enhance swelling, and offer more gas molecules due to its superior solubility. Additionally, a high pressure-depletion rate amplifies the driving force for bubble nucleation, as well as reducing the amount of time available for bubble coalescence. In addition, lower reservoir porosity impedes bubble movement and delays coalescence, thus extending the foamy oil flow. Furthermore, with the aid of a robust image analysis technique, it was discovered that utilizing 100% CO2 as a solvent resulted in a 17% increase in oil recovery over using 50% CO2 and 50% CH4. Furthermore, a 6% increase in oil recovery was achieved by applying a fast pressure depletion rate as opposed to a slow pressure depletion rate. Moreover, the numerical model constructed was found to be accurate in adjusting heavy oil recovery with an average relative error of 7.7%.
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.
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 découle