Performance Evaluation and Formation Mechanism of Low-Concentration Silicon Quantum Dot-Enhanced Viscoelastic Surfactant Fracturing Fluids
Notice bibliographique
Résumé
Viscoelastic surfactant (VES) fracturing fluids gain significant attention in the hydraulic fracturing field with low reservoir damage. However, the harsh reservoir conditions seriously cause the structural instability and viscoelastic degradation of VES fracturing fluids. In this study, the silicon quantum dot (SiQD)-enhanced stearyl trimethylammonium bromide (STAB)/sodium salicylate VES fracturing fluids were constructed and evaluated. Then, the properties (proppant transport, gel-breaking, and permeability damage) of VES fracturing fluids containing different nanoparticles were systematically investigated. SiQDs were characterized by the Fourier transform infrared (FTIR), dynamic light scattering (DLS), transmission electron microscopy (TEM), and nitrogen adsorption–desorption experiments. Then, the rheological test and Cryo-TEM were employed to study the influences of various nanoparticles on the viscoelasticity of VES fracturing fluids. Compared to VES fracturing fluids enhanced by hydrophilic SiO 2 nanoparticles (SiNPs, 0.1 wt %), the relatively low-concentration SiQD (0.025 wt %)-reinforced VES fracturing fluids exhibited superior tolerance properties and application performance in harsh reservoir environments. The very intensive electrostatic interactions between STAB and SiQDs promoted the formation of more connection points, effectively extending contour length and improving viscoelasticity of VES fracturing fluids. In addition, the controlled experiments about SiQDs modified with propyltrimethoxysilane confirmed the dominant roles of the electrostatic interactions rather than hydrophobic interactions between SiQDs and STAB. To our knowledge, this work demonstrates the first successful application of SiQDs to improve the viscoelasticity of VES fracturing fluids for unconventional oil and gas development.
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 ».