COPTEM: A Model to Investigate the Factors Driving Crude Oil Pipeline Transportation Emissions
Notice bibliographique
Résumé
Previous transportation fuel life cycle assessment studies have not fully accounted for the full variability in the crude oil transport stage, for example, transporting a light crude through a high-diameter pipeline, vs transporting a heavy crude through a small-diameter pipeline. We develop a first-principles, fluid mechanics-based crude oil pipeline transportation emissions model (COPTEM) that calculates the greenhouse gas (GHG) emissions associated with pipeline transport as a function of crude oil parameters, pipeline dimensions, and external factors. Additionally, we estimate the emissions associated with the full life cycle of pipeline construction, maintenance, and disposal. This model is applied to an inventory of 62 major Canadian and U.S. pipelines (capacity greater than 100 000 barrels/day) to estimate the variability of GHG emissions associated with pipeline transportation. We demonstrate that pipeline GHG emissions intensities range from 0.23 to 20.3 g CO 2 e/(bbl·km), exhibiting considerably greater variability than data reported in other studies. A sensitivity analysis demonstrates that the linear velocity of crude transport and pipeline diameter are the most impactful parameters driving this variability. To illustrate one example of how COPTEM can be used, we develop an energy efficiency gap analysis to investigate the possibilities for more efficient pipeline transport of crude oil.
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 | 0,001 | 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 | 0,003 | 0,007 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».