CO2 foam structure and displacement dynamics in a Hele–Shaw cell
Notice bibliographique
Résumé
The substitution of CO 2 gas with CO 2 foam for improved mobility control has recently attracted research attentions in enhanced oil recovery (EOR) as well as aquifer and soil remediation. However, the interplay between CO 2 foam properties and oil displacement remains less investigated. In this work, using clear visualizations, we systematically investigate the dynamic advection-dominated foam morphology, its corresponding viscosity, and the efficiency and dynamics of oil displacement process by CO 2 foam in a Hele–Shaw cell under the effects of gas ratio ( R g ), fluid injection rates ( Q t ), and surfactant type. Clear visualization enables particle image velocimetry to calculate actual, rather than nominal, foam velocity that significantly affects the estimated foam viscosity. Our results demonstrate that at elevated gas ratios under constant total injection rate, larger and more uniform bubbles with less number density and greater interfacial area are obtained. Increasing the injection rates leads to finer foam texture at a constant gas ratio. Different foam structures have an impact on the foam viscosity, with a general increasing trend of viscosity for larger bubbles as R g increases from 0.5 to 0.85. The higher the foam viscosity, the more stable displacement interfaces with less viscous fingers are observed, leading to improved sweeping rates. The green surfactants (saponin + Cellulose NanoFibers) provide foams with higher viscosity and, thus, more stable displacement interfaces. These findings highlight the important effect of R g –dependent foam structure on its viscosity, which in turn is crucial for controlling the mobility of CO 2 foam to maximize oil recovery rate during EOR processes.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».