Stochastic Modeling of the Oil Sands Operations under Greenhouse Gas Emission Restrictions and Water Management
Notice bibliographique
Résumé
There exist several inherent uncertainties in the energy optimization modeling of Oil Sands operations. In this work, the deterministic model proposed by Betancourt-Torcat et al. in 2011 has been extended to account for parameter uncertainty in the natural gas price and steam-to-oil ratio (SOR). The new extended steady-state model considers freshwater withdrawal constraints and a new methodology to account for greenhouse gas (GHG) emissions. The problem was formulated as a single-period stochastic (MINLP). The application of the stochastic energy optimization model includes results reflecting all uncertain outcomes simultaneously and enabling optimal arrangement of the energy supply and oil producer infrastructures. The model’s capabilities have been shown in the present work through two new case studies accounting for uncertainty while the deterministic case is presented as a reference. The case studies under uncertainty consider the forecasted oil production scenario for the year 2035 in an uncertain environment where the price of natural gas is volatile and the SOR unknown. The results of the stochastic model were compared with those of the deterministic model by studying the expected values of the stochastic approach and those of the deterministic solution. The results presented in this study were discussed regarding the characteristics of uncertainty of the varied fuel price and SOR parameter. The key findings of this study are that oil producers considering hydrocracking are favored over thermocracking-based schemes, and the GHG emission constraint cannot be met for SOR values higher than 2.48.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».