تعیین کمیت و کیفیت مواد زاید در فرآیند حفاری چاه های نفت و گاز و طبقه بندی آنها براساس معیار RCRA (مطالعه موردی : حفاری چاه شماره 481 میدان نفتی اهواز)

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 721

فایل این مقاله در 8 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ESPME04_128

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

یکی از مهمترین فرآیندهای آلاینده در صنایع نفت و گاز، فرآیند حفاری می باشد. هدف در این تحقیق شناسایی کمی و کیفی مواد زاید ایجاد شده در حفاری چاه های نفت و گاز و طبقه بندی آنها براساس معیار RCRA می باشد. پرسشنامه هایی به منظور جمع آوری اطلاعات درخصوص ویژگی های کمی و کیفی مواد زاید طراحی و در اختیار کارشناسان ذیربط قرار گرفت. پس از جمع آوری اطلاعات، خصوصیات مواد زاید با استفاده از منابع معتبر تعیین گردید. سپس طبقه بندی مواد زاید شناسایی شده براساس معیار RCRA انجام شد. تحقیقات نشان داد در حفاری چاه مورد نظر، در مجموع 172860 کیلوگرم ماده زاید ایجاد گردید که بیشترین جرم مربوط به کنده های حفاری (128936.3 کیلوگرم) و کمترین جرم مربوط به باقیمانده اکسی پلیمر مصرفی (400 گرم) می باشد. بطور متوسط به ازای هر متر حفاری، 39.38 کیلوگرم و روزانه 1080.38 کیلوگرم ماده زاید تولید شده است. 18.24% از مواد زاید شناسایی شده حالت مایع، 75.7% حالت نیمه جامد و 6.06% حالت جامد دارند. براساس معیار RCRA ،38.71% از مواد زاید شناسایی شده در طبقه D و 6.45% در طبقه U و 54.84% غیرخطرناک می باشند. 85.24% از مواد زاید در حوضچه ها تخلیه شده، 5.65% به کارخانه بازیافت منتقل شده، 8.8% در اختیار کارگران محلی و 0.26% مورد استفاده مجدد قرار می گیرند و 0.06% در اطراف چاه رها می شوند

کلیدواژه ها:

کمیت ، کیفیت ، مواد زاید ، حفاری چاه های نفت و گاز ، RCRA

نویسندگان

سمانه جهانبخشی

گروه علوم محیط زیست، علوم و تحقیقات خوزستان، دانشگاه آزاد اسلامی، اهواز، ایران

نعمت اله جعفرزاده حقیقی فرد

مرکز تحقیقات فناوری های محیط زیست، دانشگاه علوم پزشکی جندی شاپور اهواز، اهواز، ایران

علی اکبر بابایی

مرکز تحقیقات فناوری های محیط زیست، دانشگاه علوم پزشکی جندی شاپور اهواز، اهواز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :