Spontaneous in-situ emulsification and enhanced oil recovery using functionalised silica nanoparticles: Insights from spontaneous imbibition and micromodel flooding tests
Notice bibliographique
Résumé
This study investigates the potential of functionalised silica nanoparticles (SiO₂ NPs) for enhanced oil recovery (EOR), employing environmentally friendly and cost-effective materials. SiO₂ NPs were optimally modified with ammonium lauryl sulfate (ALS) and sodium (C14-16) olefin sulfonate (SOS) surfactants under optimal conditions without binding agents, representing their first application in EOR. Characterisation techniques, including Fourier-transform infrared spectroscopy (FTIR) and thermogravimetric analysis (TGA), confirmed the effective functionalisation of SiO₂ NPs. Transmission electron microscopy (TEM) images revealed that the morphology, structure, and shape of the NPs remained unchanged post-functionalisation, with an average diameter of 20 nm. The performance of ALS-NPs and SOS-NPs was assessed through spontaneous imbibition and microfluidic tests. ALS-NPs and SOS-NPs achieved oil recovery rates of approximately 66 % and 70 %, respectively, in spontaneous imbibition tests. Microfluidic model tests corroborated these findings, with oil recovery rates of approximately 74 % for ALS-NPs and 80 % for SOS-NPs. Both functionalised nanofluids demonstrated superior oil recovery compared to surfactants alone and non-functionalised SiO₂ NPs. The application of these nanofluids facilitated the spontaneous formation of smaller, more stable emulsion droplets, enhancing displacement efficiency and reducing pore blockages. Moreover, the nanofluids improved oil recovery by reducing interfacial tension (IFT), altering rock wettability, and forming stable oil-in-water emulsions. The grafting approach of ALS- and SOS-based nanofluids demonstrates greater efficiency by requiring lower surfactant concentrations, thereby making the process cost-effective.
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) | 0,001 | 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 ».