MétaCan
Menu
Retour à la cohorte
Enregistrement W2725525387 · doi:10.3303/cet1757060

Effects of Impurities on CO<sub>2</sub> Pipeline Performance

2017· article· en· W2725525387 sur OpenAlexaboutno aff
P.S. Peletiri, Nejat Rahmanian, Iqbal M. Mujtaba

Notice bibliographique

RevueDOAJ (DOAJ: Directory of Open Access Journals) · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPipeline (software)ImpurityEnvironmental scienceComputer scienceChemistryOperating system

Résumé

récupéré en direct d'OpenAlex

Carbon dioxide (CO2) is a chief constituent of greenhouse gases and should be captured, transported and stored in saline aquifers or used for enhanced oil recovery. This study is focused on pipeline transportation of impure CO2. The major impurities in captured CO2 from power plant stations and gas processing facilities are mainly nitrogen, methane, hydrogen sulphide, and water. Impurities affect the density and viscosity of the CO2 stream thereby impacting on the fluid phase, pressure and temperature of the stream. CO2 pipeline models, however, rarely consider the effects of impurities in the determination of design parameters. Aspen HYSYS (ver.9) is used to model the effect of impurities on the pressure drop, phase envelope and critical pressure and temperature of captured CO2 fluids flowing in pipelines. Cortez, Canyon Reef and Choctaw pipelines in the USA and Weyburn pipeline in Canada were selected as the case studies. The results show that the pressure drop increased in these pipelines due to the impurities with the highest pressure drop occurring in the Canyon Reef pipeline. The impurities increased the pressure drop by about 0.09 bar/km, 0.2 bar/km, 0.10 bar/km and 0.04 bar/km for Cortez, Canyon Reef, Choctaw and Weyburn pipelines respectively. The lower molecular weight gases were found to decrease the mixture density and increase the pressure drop. The results also reveal that the bubble point pressure was increased by impurities in three pipelines but slightly reduced in the Weyburn pipeline and the critical temperature was reduced in all pipelines.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,499
Écart entre enseignants0,374 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDOAJ (DOAJ: Directory of Open Access Journals)Même sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207