Energy Optimization Model with CO <sub>2</sub>-Emission Constraints for the Canadian Oil Sands Industry
Notice bibliographique
Résumé
In this paper, a model for optimizing energy production for oil sands operations is presented. The objective of the model is to minimize the total annual cost of supplying energy to the oil sands industry, subject to CO 2 emissions constraints. The energy is supplied in the form of power, hydrogen, steam, hot water, diesel, and process fuel. The model, which is named the energy optimization model (EOM), is conceived as an analytical and planning tool for the energy industry and government sectors. The EOM determines optimal combinations of power and hydrogen plants that satisfy given energy demands of oil sands operations, at minimal cost and with reduced CO 2 emissions. The EOM thus generates optimal energy infrastructures and quantifies the costs and emissions associated with energy production for bitumen and upgraded bitumen production. A case study is used to showcase the capabilities of the model and illustrate its applicability as a tool to develop and evaluate optimal CO 2 mitigation strategies in the oil sands industry. The case study consists of optimizing the historical energy demands of oil sands operations in the year 2003, with added CO 2 emissions constraints. The EOM results for the case study include the energy costs and emissions associated with SCO (synthetic crude oil) and bitumen production at increasing CO 2 reduction levels. Optimal energy infrastructures for each CO 2 reduction level are determined by the EOM. The model quantifies the cost increases because of CO 2 -constrained energy production on a per-barrel-of-oil basis as well as the maximum attainable CO 2 emissions reductions for the featured case study. A discussion of the usefulness of the model as a technology screening tool for specific energy production scenarios is provided.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».