Application of <scp>MgO</scp> based‐nanofluid for controlling the growth of asphaltene flocs under static and micromodel dynamic conditions
Notice bibliographique
Résumé
Abstract In this study, the impact of magnesium oxide (MgO) nanoparticles on the control of asphaltene aggregates growth was examined. The investigation began with static testing, followed by dynamic testing, where nanofluid was injected into a constructed glass micromodel simulating a porous medium. The results obtained from light microscopy and asphaltene dispersant tests demonstrated that the MgO nanoparticles with an average diameter of 50 nm postpone the asphaltene onset point (AOP) and delay the growth of asphaltene aggregates in crude oil. Also, the results obtained from these experiments illustrated the performance of synthesized nanoparticles in various concentrations on inhibition of asphaltene deposit in the crude oil medium, in the order of 750 > 1500 > 100 > 1000 > 500 ppm. The results from both microscopy and ADT experiments strongly validate the effectiveness of MgO nanoparticles across varying concentrations, highlighting the optimal dosage of 750 ppm. Images of nanofluid flooding at the optimal concentration in the glass micromodel demonstrate effective nanoparticle inhibition and enhanced oil recovery from the porous medium. These findings corroborate the results obtained from ADT and microscopy tests. The results of FT‐IR analysis show the adsorption of asphaltene particles on the surfaces of MgO nanoparticles in wavelengths of 2900–3000 cm −1 . Moreover, dynamic light scattering (DLS) analysis results indicated that the average diameter of suspended particles was 3580 nm before adsorption and 6230 nm after adsorption, indicating the controlled adsorption of asphaltene onto the surface of MgO nanoparticles. The findings from this study can be applied to manage asphaltene formation across all stages of oil processing and production.
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) | 0,000 | 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 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 ».