Feasibility of Injecting Large Volumes of CO2 into Aquifers
Notice bibliographique
Résumé
Although it is recognized that deep aquifers offer a very large potential storage capacity for CO 2 sequestration it is not clear how to fill the storage with a large volume of CO 2 in a relatively short period of time. The typical benchmark for the rate of CO 2 injection is 1 Mt/year when studying storage performance. This rate is very low compare to the scale necessary for the storage technology to play a significant role in managing global emissions. In this study we perform numerical simulations of a large volume of injection, 20 Mt/year during 50 years of continuous injection resulting in a total sequestration of 1 Gt CO 2 . A sensitivity analysis of the results (plume area and CO 2 storage capacity) is presented within the range of aquifer parameters: thickness (50–100 m); permeability (25-100 mD); rock compressibility (from 9 10-10 to 2 10-9 (1/Pa)) as well as different injection arrangements. The implementation of this study to a particular case of injection of 1 Gt total over 50 years into the Nisku aquifer located in Wabamun Lake Area, Alberta, Canada [1] is presented. In this area, large CO 2 emitters including four coal-fired power plants with emission between 3 to 6 Mt/year each are present. The Nisku aquifer is believed to be a suitable choice for future sequestration projects. In this case study a few injection scenarios (number of wells and their placement, which control the ability to inject without exceeding the aquifer’s fracture pressure) are presented. The evolution of plume size and pressure field in the aquifer for these scenarios is shown. As opposed to the generic sensitivity study, the case study includes the heterogeneity of the aquifer and its dip angle. Both generic and Nisku studies have shown that the capacity of the reservoir in the case of large injection volumes should be evaluated not by available pore volume, but by ability to inject some amount without exceeding fracture pressure of formation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».