مطالعه آزمایشگاهی عملکرد مواد فعال سطحی آنیونی و کاتیونی و تاثیرافزودن نانوذرات سیلیکا به آنها در بهبود ازدیاد برداشت از مخازن نفت سنگین شکافدار با استفاده از دستگاه میکرومدل
Publish place: The 14th Conference of chemical Engineering
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,219
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NICEC14_788
تاریخ نمایه سازی: 3 آذر 1391
Abstract:
سیلاب زنی با مواد فعال سطحی به عنوان یکی از روش های شیمیایی متداول به منظور ازدیاد برداشت از مخازن نفت سنگین می باشد. اخیرا استفاده از نانو ذرات همزمان با تزریق مواد شیمیایی بمنظور بهبود بازده فرآیند مورد توجه قرار گرفته است.نانوذرات در کنار مواد فعال سطحی از طریق کاهش بیشتر کشش بین سطحی آب و نفت، و همچنین تشکیل خودبخودی امولسیون و تغییر ترشوندگی محیط متخلخل باعث آزاد شدن نفت به جا مانده از داخل حفره ها می شوند و بدین ترتیب بازدهتولید نفت افزایش می یابد . در این تحقیق بازده میکروسکپی و ماکروسکپی برداشت نفت سنگین در محیط متخلخل شکافدارپنج نقطه ای در فرآیند تزریق دو نوع ماده فعال سطحی آنیونی ) SDS ( و کاتیونی ) C12TAB ( و همچنین مواد فعال سطحی پایه آبی حاوی نانوذرات سیلیکا بررسی گردیده اند. نتایج نشان می دهد که قرار گرفتن نانوذره در محلول ماده فعال سطحی بهطرز چشمگیری بازیافت نفت را افزایش می دهد. میزان افزایش بازیافت، برای محلول نانوذرات سیلیکا در کنار C12TAB ازSDS بیشتر می باشد و این به دلیل فعالیت بالاتر C12TAB به عنوان یک ماده فعال سطحی کاتیونی و تاثیر بیشتر بر کاهش کشش سطحی نسبت به SDS به عنوان یک ماده فعال سطحی آنیونی می باشد. همچنین تصاویر میکروسکوپی نشان می دهد که نانوذرات سیلیکا، ترشوندگی محیط را از نفت دوست به آب دوست تغییر می دهند
Keywords:
نانوذرات سیلیکا , ماده فعال سطحی آنیونی , ماده فعال سطحی کاتیونی , میکرومدل , مدل پنج نقطه ای , محیط متخلخل شکافدار , ازدیاد برداشت
Authors
علی اکبر جوادی فر
دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف
سیدشهاب الدین آیت اللهی
مرکز تحقیقات ازدیاد برداشت از مخازن نفتی، دانشکده مهندسی شیمی، نفت و
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :