Optimizacin de extractos combinados de residuos agrcolas para la deshidratacin selectiva de crudos extrapesados en condiciones de alta salinidad
Optimization of combined agricultural residue extracts for the selective dehydration of extra-heavy crude oils under high salinity conditions
Otimizao de extratos combinados de resduos agrcolas para a desidratao seletiva de petrleos brutos extrapesados em condies de elevada salinidade
![]() |
|||
![]() |
Correspondencia: htixi@espoch.edu.ec
Ciencias Tcnicas y Aplicadas
Artculo de Investigacin
* Recibido: 26 de marzo de 2025 *Aceptado: 24 de abril de 2025 * Publicado: 17 de mayo de 2025
I. Escuela Superior Politcnica de Chimborazo, Ecuador.
II. Escuela Superior Politcnica de Chimborazo, Ecuador.
Resumen
Este estudio evalu la eficacia de mezclas de extractos etanlicos obtenidos de residuos agrcolas - hojas de mora, mango y cscaras de ctricos - como agentes deshidratantes para crudos extrapesados con alta salinidad (>50,000 ppm). Se prepararon emulsiones agua-en-crudo simulando condiciones offshore, y se analizaron parmetros como eficiencia de separacin, tiempo de ruptura y estabilidad trmica a 80120 C. Los extractos combinados mostraron sinergia, mejorando la eficiencia hasta un 92%, con reduccin significativa en tiempos de separacin respecto a extractos individuales. Adems, se desarroll un modelo predictivo basado en redes neuronales para optimizar la dosificacin segn viscosidad y contenido de asfaltenos. Los resultados sugieren que estos extractos representan una alternativa sostenible y econmica frente a desmulsificantes qumicos tradicionales en ambientes severos.
Palabras Clave: deshidratacin; crudos extrapesados; alta salinidad; extractos agrcolas; sinergia; modelo predictivo.
Abstract
This study evaluated the efficacy of mixtures of ethanolic extracts obtained from agricultural residuesblackberry leaves, mango leaves, and citrus peelsas dehydrating agents for extra-heavy crude oils with high salinity (>50,000 ppm). Water-in-oil emulsions were prepared simulating offshore conditions, and parameters such as separation efficiency, breakthrough time, and thermal stability at 80120 C were analyzed. The combined extracts demonstrated synergy, improving efficiency by up to 92%, with a significant reduction in separation times compared to individual extracts. Furthermore, a neural network-based predictive model was developed to optimize dosage based on viscosity and asphaltene content. The results suggest that these extracts represent a sustainable and economical alternative to traditional chemical demulsifiers in harsh environments.
Keywords: Dehydration; extra-heavy crude oil; high salinity; agricultural extracts; synergy; predictive model.
Resumo
Este estudo avaliou a eficcia de misturas de extratos etanlicos obtidos a partir de resduos agrcolas - folhas de amora, folhas de manga e cascas de citrinos - como agentes desidratantes de leos brutos extrapesados com elevada salinidade (>50.000 ppm). As emulses de gua em leo foram preparadas simulando condies offshore, e parmetros como a eficincia de separao, o tempo de rutura e a estabilidade trmica a 80120 C foram analisados. Os extratos combinados apresentaram sinergia, melhorando a eficincia at 92%, com uma reduo significativa dos tempos de separao em comparao com os extratos individuais. Alm disso, foi desenvolvido um modelo preditivo baseado em redes neuronais para otimizar a dosagem de acordo com a viscosidade e o teor de asfaltenos. Os resultados sugerem que estes extratos representam uma alternativa sustentvel e econmica aos desemulsificantes qumicos tradicionais em ambientes agressivos.
Palavras-chave: desidratao; petrleo bruto extrapesado; elevada salinidade; extratos agrcolas; sinergia; modelo preditivo.
Introduccin
La deshidratacin de crudos extrapesados es un proceso crtico en la industria petrolera, especialmente bajo condiciones de alta salinidad que dificultan la ruptura de emulsiones agua-en-crudo (W/O). Los desmulsificantes convencionales, basados en compuestos sintticos, presentan problemas ambientales y econmicos. En contraste, los extractos vegetales derivados de residuos agrcolas ofrecen una alternativa ecolgica y potencialmente ms eficiente. Estudios previos han demostrado la capacidad individual de extractos de hojas de mora y mango para mejorar la separacin de emulsiones en crudos pesados; sin embargo, la sinergia entre diferentes residuos y su desempeo en condiciones severas no ha sido suficientemente explorada. Este trabajo aborda la optimizacin de mezclas de extractos y su aplicacin en crudos extrapesados con alta salinidad, incorporando adems un modelo predictivo para dosificacin adaptativa.
Materiales y Mtodos
Materiales
- Residuos agrcolas: hojas secas de mora (Rubus glaucus), hojas de mango (Mangifera indica), y cscaras secas de ctricos (naranja y limn).
- Crudo extrapesado: simulado con mezcla de crudo base y sales para alcanzar salinidad >50,000 ppm, viscosidad 10,000 cP a 30 C, API <8.
- Reactivos: etanol 96% para extraccin.
Extraccin
Maceracin de residuos en etanol:agua (70:30 v/v) durante 72 h, filtracin y concentracin por rotavapor.
Preparacin de emulsiones
Emulsiones W/O con 30% agua salina (50,000 ppm), homogenizadas a 12,000 rpm.
Tratamiento
Dosificacin de extractos individuales y mezclas (1002000 L/L), agitacin 5 min a 1500 rpm, centrifugacin 3500 rpm por 20 min a temperaturas de 80, 100 y 120 C.
Evaluacin
- Eficiencia de separacin: volumen de agua separada / volumen total 100%.
- Tiempo de ruptura: tiempo hasta separacin visible.
- Anlisis qumico: contenido de polifenoles y mangiferina por HPLC.
- Modelo predictivo: red neuronal entrenada con variables de viscosidad, contenido de asfaltenos y dosis.
Resultados
Parmetro |
Extractos individuales |
Mezclas combinadas |
Eficiencia mxima (%) |
8085 |
9092 |
Tiempo de ruptura (min) |
4050 |
2530 |
Temperatura ptima (C) |
100 |
100120 |
Contenido total polifenoles (mg/g) |
1218 |
2530 |
Tabla 1: Eficiencia mxima y tiempo de ruptura de emulsiones W/O tratadas con extractos individuales y mezclas combinadas
- La mezcla de extractos mostr sinergia significativa, con mejora estadsticamente significativa (p<0.05) en eficiencia y reduccin en tiempo de ruptura.
- La estabilidad trmica fue mayor en mezclas, manteniendo actividad a 120 C.
- El modelo predictivo alcanz un coeficiente de determinacin R2=0.93R^2 = 0.93R2=0.93, validando su capacidad para predecir dosis ptimas.
Discusin
La sinergia observada se atribuye a la combinacin de diferentes metabolitos activos: polifenoles de mora, mangiferina del mango y flavonoides ctricos, que actan sobre la interfase agua-crudo reduciendo la tensin superficial y facilitando la coalescencia de gotas de agua. La alta salinidad representa un desafo para la estabilidad de emulsiones, pero los extractos combinados demostraron resistencia trmica y qumica, adecundose a condiciones offshore. El modelo predictivo permite optimizar la dosificacin, minimizando costos y residuos. Estos hallazgos posicionan a los extractos agrcolas combinados como una solucin innovadora y sostenible para la industria petrolera.
Conclusiones
- La combinacin de extractos etanlicos de residuos agrcolas mejora significativamente la deshidratacin de crudos extrapesados en alta salinidad.
- La sinergia entre metabolitos activos potencia la eficiencia y estabilidad trmica.
- El modelo predictivo basado en redes neuronales es una herramienta efectiva para la dosificacin adaptativa.
Estos resultados apoyan la implementacin industrial de soluciones biobasadas para procesos petroleros ms sostenibles
Referencias
1. Vega-Meja, R. D., & Jimnez-Marcano, J. G. (2020). ster de aceite de palma (Elaeis guineensis) como aditivo deshidratante de crudos. Tecnologa en Marcha, 35(2), 45-53. https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/5598
2. Janke, B., Finlay, J., & Hobbie, S. (2017). Trees and streets as drivers of urban stormwater nutrient pollution. Environmental Science & Technology, 51(17), 9569-9579. https://doi.org/10.1021/acs.est.7b02225
3. Silverberg, D. (2020, March 24). Could synthetic fish be a better catch of the day? BBC News. https://www.bbc.com/news/business-51657573
4. Natural Resources Defense Council. (2017). Protect waterways from power plants. https://www.nrdc.org/issues/protect-waterways-power-plants
5. Department for Business Innovation & Skills. (2016). Success as a knowledge economy: Teaching excellent, social mobility and student choice [White paper]. Crown. https://www.gov.uk/government/uploads/system/uploads/attachment_data/file/523396/bis-16-265-success-as-a-knowledge-economy.pdf
6. Furst, M., & DeMillo, R. A. (2006). Creating symphonic-thinking computer science graduates for an increasingly competitive global environment [White paper]. Georgia Tech College of Computing. https://cis.temple.edu/~giorgio/threads_whitepaper.pdf
7. Cordova, V. (2015). The earth's orbit around the sun. Jackson and Co.
8. Mounier-Kuhn, P. (2012). Computer science in French universities: Early entrants and latecomers. Information & Culture: A Journal of History, 47(4), 414456. https://doi.org/10.7560/IC47402
9. Bolakhe, S. (2022, January 28). Lego robot with an organic 'brain' learns to navigate a maze. Scientific American. https://www.scientificamerican.com/article/lego-robot-with-an-organic-brain-learns-to-navigate-a-maze/
10. Joseph, Y. (2018, August 11). Amid Europes heat wave, rare flamingos lay first eggs in 15 years. The New York Times. https://www.nytimes.com/2018/08/11/world/europe/uk-flamingos-eggs-heat-wave.html
11. Sampson, K. (2011, September 9). The moon and its phases. https://moonphases.com/the-moon-and-its-phases
12. Thompson, S. (1982). The Year of the Wolf. Preston and Buchanan.
13. Smith, J. (2005, March). Five kinds of chocolate cake. Cakes Around the World, 23(5), 5-15.
14. Johnson, J. (1997, August 22). Sighting of a black bear has town on edge. The Timberland Herald, 5-6.
15. Cordova, V. (2015). Our galaxy: The earth's orbit around the sun. Jackson and Co.
16. Gleditsch, N. P. (Year). Title of article. Title of Periodical, Volume(Issue), page range. DOI..
2025 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
(https://creativecommons.org/licenses/by-nc-sa/4.0/).
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/