به گزارش ایسنا، دانشگاه صنعتی خواجه نصیرالدین طوسی با همکاری تیم های علمی از دانشگاه علوم زمین چین و دیگر مؤسسات تحقیقاتی بین‌المللی این تحقیق را با هدف بهبود فرآیندهای ذخیره‌سازی زیرسطحی CO₂ و توسعه روش‌های بهبود بازیابی نفت با CO₂ (CO₂-EOR) را اجرایی کردند. این پژوهشگران با استفاده از طیف‌سنجی رامان و شبیه‌سازی‌های ترکیبی مونت‌کارلو/مکانیک مولکولی، تأثیر فشار و دما بر میزان انحلال CO₂ در هگزادکان را بررسی کردند و نتایج نشان داد که افزایش دما باعث کاهش حل‌شوندگی و افزایش فشار موجب افزایش آن می‌شود. این داده‌ها می‌توانند به توسعه مدل‌های پیش‌بینی دقیق‌تر و هوش مصنوعی برای مدیریت منابع هیدروکربنی و ذخیره‌سازی کربن کمک کنند و گامی مؤثر در جهت کاهش اثرات تغییرات اقلیمی و بهینه‌سازی استخراج انرژی‌های فسیلی به شمار آیند.

با افزایش تقاضای انرژی و دغدغه‌های زیست‌محیطی، ذخیره‌سازی دی‌اکسیدکربن و بهبود بازیابی نفت از اهمیت بالایی برخوردار شده است. در این راستا، درک رفتار CO₂ در هیدروکربن‌های سنگین مانند هگزادکان از ضروریات علمی و صنعتی محسوب می‌شود. حل کردن CO₂ در هگزادکان تحت شرایط مختلف فشار و دما، اطلاعات حیاتی برای طراحی فرآیندهای ذخیره‌سازی زیرسطحی و بهبود بازیابی نفت ارائه می‌دهد.

این تیم تحقیقاتی با استفاده از طیف‌سنجی رامان، میزان انحلال CO₂ در هگزادکان را در محدوده دمایی ۲۵ تا ۲۰۰ درجه سانتی‌گراد و فشار یک تا ۱۵ مگاپاسکال اندازه‌گیری کردند. در این آزمایش، نمونه‌های استاندارد هگزادکان و CO₂ در موادی شیشه‌ای (سیلیکای موئینه) مخلوط و پس از رسیدن به تعادل، طیف‌سنجی رامان انجام شد تا رابطه بین کسری مولی CO₂ و نسبت سطح پیک‌های رامان به دست آید.

نتایج آزمایشی نشان داد که با افزایش دما، میزان انحلال CO₂ کاهش یافته و با افزایش فشار، این میزان افزایش می‌یابد. این الگو نشان‌دهنده اهمیت کنترل دقیق پارامترهای فشار و دما در فرآیندهای صنعتی و ذخیره‌سازی زیرسطحی است. علاوه بر داده‌های آزمایشی، پژوهشگران از شبیه‌سازی‌های ترکیبی مونت‌کارلو/مکانیک مولکولی (GCMC/MD) برای بررسی تأثیر تورم هگزادکان و حرکت دی‌اکسیدکربن در میان مولکول‌های آلکان استفاده کردند. نتایج شبیه‌سازی با داده‌های رامان و مدل‌های پیشین مطابقت بالایی داشت و دقت پیش‌بینی‌ها را تأیید کرد.

این مطالعه نشان داد که تغییرات حجمی در محاسبات حل‌شوندگی اهمیت زیادی دارد و باید در مدل‌های پیش‌بینی مشابه لحاظ شود تا دقت پیش‌بینی رفتار CO₂ افزایش یابد. همچنین شبیه‌سازی‌ها بیانگر آن بود که اثر فشار بر ضریب نفوذ CO₂ نسبت به دما کمتر است و تعامل CO₂ با گروه‌های متیل (CH₃) قوی‌تر از گروه‌های متیلن (CH₂) در هگزادکان است، زیرا دسترسی بیشتری برای ایجاد تعاملات دارد.

این پژوهش نه تنها ابزارهای ارزشمندی برای اندازه‌گیری درجا (in-situ) ارائه می‌دهد، بلکه می‌تواند به آموزش مدل‌های هوش مصنوعی و یادگیری ماشین کمک کند تا پیش‌بینی رفتار CO₂ در نفت‌های سنگین زیرسطحی با دقت بالاتری انجام شود. از دیدگاه کاربردی، این تحقیق گامی مهم در توسعه فرآیندهای CO₂-EOR و ذخیره‌سازی کربن در زیرزمین به شمار می‌آید و می‌تواند نقش مؤثری در کاهش اثرات تغییرات اقلیمی و مدیریت بهینه منابع انرژی ایفا کند.

به نقل از ستاد نانو، پژوهش حاضر نمونه‌ای موفق از هم‌افزایی بین دانشگاه‌ها و مراکز تحقیقاتی بین‌المللی است و نشان می‌دهد که ترکیب روش‌های تجربی و شبیه‌سازی مولکولی می‌تواند بینش دقیقی از فرآیندهای پیچیده فراهم کند. یافته‌های این پروژه همچنین زمینه‌ساز تحقیقات بعدی برای بررسی سایر حلال‌ها، هیدروکربن‌ها و گازهای گلخانه‌ای خواهد بود.

در نهایت، این مطالعه تأکید می‌کند که برای بهبود دقت مدل‌های پیش‌بینی، توجه به تغییرات حجمی و تعاملات مولکولی ضروری است و داده‌های حاصل از شبیه‌سازی‌های مولکولی، ابزار قدرتمندی برای بهبود بهره‌وری انرژی و مدیریت منابع زیرزمینی فراهم می‌آورد.

انتهای پیام