A Novel Thermo-Salinity-Responsive Nanographite System for Enhanced Oil Recovery in Deep Reservoirs
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
In deep oil reservoir development, enhanced oil recovery (EOR) techniques encounter significant challenges under high-temperature and high-salinity conditions. Traditional profile-control agents often fail to maintain stable blocking under extreme conditions and exhibit poor resistance to high temperature and high salinity. This study develops a functionalized nanographite system (the MEGO system) with superior high-temperature dispersibility and thermosalinity-responsive capability through polyether amine (PEA) grafting and noncovalent interactions with disodium naphthalene sulfonate (DNS) molecules. The grafted PEA and DNS provide steric hindrance and electrostatic repulsion, enhancing thermal and salinity resistance. After ten days of aggregation, the MEGO system forms stable particle aggregates (55.51–61.80 µm) that are suitable for deep reservoir migration and profile control. Both experiments and simulations reveal that particle size variations are synergistically controlled by temperature and salt ions (Na + , Ca 2+ , and Mg 2+ ). Compared with monovalent ions, divalent ions promote nanographite aggregation more strongly through double-layer compression and bridging effects. In core displacement experiments, the MEGO system demonstrated superior performance in reservoirs with permeabilities ranging from 21.6 to 103 mD. The aggregates formed within the pore throats significantly enhanced flow resistance, expanded the sweep volume, and increased the overall oil recovery to 56.01%. This research indicates that the MEGO system holds excellent potential for EOR in deep oil reservoirs.
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 | 0,001 | 0,001 |
| 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