مدل جدید برای پیش بینی افت سیال در گل حفاری اصلاح شده با نانوذرات

نوع فایل : word

تعداد صفحات : 35

تعداد کلمات : 7500

مجله : Renewable and Sustainable Energy Reviews

انتشار : 2016

:

:

:

:

:

تاریخ انتشار
12 ژانویه 2020
دسته بندی
تعداد بازدیدها
1066 بازدید
20,000 تومان

عنوان فارسی مقاله: مدل جدید برای پیش بینی افت سیال در گل حفاری اصلاح شده با نانوذرات

 

چکیده مقاله

 دست یابی به خواص قابل پیش بینی برای گل حفاری اصلاح شده با نانوذرات به مرور زمان به عنوان یک چالش کلیدی، تکامل پیدا کرده است. مدل‌های پیش بینی شناخته شده در توصیف عملکرد گل حفاری، نمی‌توانند به طور کمی اثر نانوذرات را بررسی کنند. در این مطالعه، نظریه‌های موجود در خصوص سینتیک تشکیل گل و رفتار ذرات کلوییدی در ایجاد مدل افت سیال جدید به کار برده شد. مدل جدید، رفتار افت سیال گل را با ظرفیت پیش بینی حداکثر را برای مقدار تجمعی نشان می‌دهد. مدل جدید با مدل API با شاخص‌های آماری، خطای جذر میانگین مربعات و ضریب تبیین، مقایسه شد. مدل جدید با مدل API با RMSE مقادیر ضریب تبیین ۰٫۸۵۴۹ – ۰٫۴۵۹۵ سانتی متر مکعب و ۹۸٫۹ – ۹۹٫۹ درصد مقایسه شد. توسعه‌ی مدل برای سیالات حفاوری نانوو امکان مدل سازی، طراحی و عملیات حفاری مقرون به صرفه را می‌دهد زیرا میزان کمی نانوذرات بایستی تعیین شود.

 

 

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: A New Model for Predicting Fluid Loss in Nanoparticle Modified Drilling Mud

Abstract: 

Attaining predictable properties for nano-modified drilling mud has evolved over time as a key challenge towards its application. The known predictive models used in the description of drilling mud performance cannot quantitatively capture the impact of nanoparticles. In this work, existing theories on the kinetics of mud cake formation and colloidal particle behavior were applied in deriving a new fluid loss model. The new model described the fluid loss behavior of the mud with the capability of predicting a maximum for cumulative value. The new model was compared with the known API model using statistical measures, Root Mean Square Error (RMSE) and Coefficient of Determination (R). The new model compares favorably with the API model with RMSE and R values 0.8549 - 0.4595 cm3 and 98.9 - 99.9 % respectively. The development of the model for nano-drilling fluids would allow for detailed modeling, design and cost-effective drilling operations as the quantitative amount of nanoparticles required would be captured.
دیدگاهتان را بنویسید