Passive solar evaporation and emissions reduction of process-affected and produced water using buoyant photothermal beads
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
Process-affected water (PAW), including flowback and produced water, presents considerable challenges for oil and gas industries and wastewater treatment providers. The complex chemistry and large volume production of PAW means that innovative solutions are required to treat and dispose of PAW while reducing environmental burden. Buoyant photothermal beads (BPBs) can operate in conjunction with existing evaporation ponds (EPs) by forming a connective layer and using sunlight to enhance the rate of water evaporation while also reducing the total amount of volatile organic compounds (VOCs) emitted from a water body. In this work, BPBs are shown to enhance the evaporation rate of a simulated seawater brine by 80%, as well as 5 different real PAW samples by 25% to 73%. Further analysis suggests that BPB performance is affected by the absorbance and apparent vapor pressure of the water matrix. Solid phase microextraction (SPME) is used to show that BPBs can significantly reduce VOC emissions compared to a bare surface when treating a volatile water matrix. Techno-economic analysis of the technology estimates a levelized cost of water of 0.44 USD/m3, demonstrating that BPBs have the potential to be a competitive technology and highly economical retro-fit for EPs. Graphical abstract. • Buoyant photothermal beads passively accelerate evaporation using sunlight. • Beads dewater process-affected waters and block VOC emissions. • Composite is easily manufactured and deployed at scale in evaporation ponds. • Competitive LCOW compared to existing wastewater disposal technologies.
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