Crude oil viscosity reduction using <scp> TiO <sub>2</sub> </scp> , <scp>MgO</scp> , and <scp> Al <sub>2</sub> O <sub>3</sub> </scp> nanoparticles
Notice bibliographique
Résumé
Abstract The viscosity of crude oil plays a crucial role in enhancing oil recovery and flow efficiency within well columns and pipelines. However, the production and transportation of heavier, more viscous crude oils pose significant challenges. While conventional viscosity reduction methods, such as thermal and dilution techniques, have been widely employed, recent advancements in nanotechnology have introduced nanoparticles as a promising alternative. This study investigates the effects of three metal oxide nanoparticles (TiO 2 , MgO, and Al 2 O 3 ) on the viscosity of six crude oil samples with API gravities ranging from 11.04 to 34.50 and initial viscosities between 613 and 24 cP at different temperatures. The results demonstrate that TiO 2 nanoparticles achieve the highest viscosity reduction, followed by Al 2 O 3 and MgO. The greatest reduction was observed at a nanoparticle concentration of 2000 ppm and a temperature of 75°C, with viscosity reductions of up to 27.90% for TiO 2 , 23.50% for Al 2 O 3 , and 22.60% for MgO in the heaviest crude oil sample. Furthermore, the study reveals that nanoparticle efficiency increases with higher asphaltene content. These findings highlight the potential of metal oxide nanoparticles as effective viscosity‐reducing agents, paving the way for improved crude oil production and transportation efficiency.
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) | 0,001 | 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 ».