Benchmarking the potential of a resistant green hydrocolloid for chemical enhanced oil recovery from sandstone reservoirs
Notice bibliographique
Résumé
Abstract Polymer injection into oil reservoirs stands as a primary technique for enhanced oil recovery (EOR), employing either natural or synthetic polymers that dissolve in water. Proper performance in salinity and reservoir temperature creates a limitation to replace natural material with common chemicals and this has led researchers to try to identify new material for this application. Continuing the efforts and overcoming the challenge, this research introduces and examines a high‐performance natural polymer extracted from garden cress seeds for this application. Several experiments were planned and executed based on the existing EOR standards and literature. Comprehensive analyses and viscosity measurements were performed to identify the behaviour of solutions and the effects of concentration, shear rate, salinity, and temperature. Essential tests such as wettability and polymer adsorption were also done by contact angle measurement and flooding into a sandstone plug, respectively. The produced polymer was able to effectively maintain the viscosification properties at temperatures up to 95°C. Similarly, increasing the salinity up to 140,000 ppm did not affect its efficiency and the viscosity value remained in the useful range. The viscosity of the mature solutions at 35°C after 30 h at concentrations of 200, 400, 600, 800, 1000, and 1200 ppm was 8.61, 18.59, 31.27, 65.41, 95.38, and 149.75 mPa, respectively. At 1000 ppm and temperatures of 35, 55, 75, and 95°C, the viscosity was 95.38, 90.57, 86.73, and 84.72 mPa · s, respectively. At concentrations of 600, 800, and 1000 ppm, the wettability altered to intermediate‐wet, while at 1200 ppm, altered to water‐wet. Polymer injection caused an increase in recovery equal to 18.6%. The water cut increased with a little delay in the initial volumes of water injection at a high rate and reached its maximum. Then after the injection of 0.3 PV of polymer, there was a sharp and continuous drop until reaching 35% of the production fluid volume.
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 ».