MétaCan
Menu
Retour à la cohorte
Enregistrement W2906794889 · doi:10.1016/j.ijggc.2018.12.002

Potential CO2 and brine leakage through wellbore pathways for geologic CO2 sequestration using the National Risk Assessment Partnership tools: Application to the Big Sky Regional Partnership

2019· article· en· W2906794889 sur OpenAlexaff
Tsubasa Onishi, Minh C. Nguyen, J. William Carey, Bob Will, Wade Zaluski, David W. Bowen, Bryan DeVault, Andrew Duguid, Quanlin Zhou, Stacey Fairweather, Lee H. Spangler, Philip H. Stauffer

Notice bibliographique

RevueInternational journal of greenhouse gas control · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensSchlumberger (Canada)
Organismes subventionnairesNational Energy Technology LaboratoryU.S. Department of Energy
Mots-clésAquiferCarbon sequestrationPetroleum engineeringEnvironmental scienceGeneral partnershipGroundwaterGeologyGeotechnical engineeringCarbon dioxide

Résumé

récupéré en direct d'OpenAlex

Geologic CO 2 sequestration (GCS) has received high-level attention from the global scientific community as a response to climate change due to higher concentrations of CO 2 in the atmosphere. However, GCS in saline aquifers poses certain risks including CO 2 /brine leakage through wells or non-sealing faults into groundwater or to the earth’s surface. Understanding crucial reservoir parameters and other geologic features affecting the likelihood of these leakage occurrences will aid the decision-making process regarding GCS operations. In this study, we develop a science-based methodology for quantifying risk profiles at geologic CO 2 sequestration sites as part of US DOE’s National Risk Assessment Partnership (NRAP). We apply NRAP tools to a field scale project in a fractured saline aquifer located at Kevin Dome, Montana, which is part of DOE’s Big Sky Carbon Sequestration Partnership project. Risks associated with GCS injection and monitoring are difficult to quantify due to a dearth of data and uncertainties. One solution is running a large number of numerical simulations of the primary CO 2 injection reservoir, shallow reservoirs/aquifers, faults, and wells to address leakage risks and uncertainties. However, a full-physics simulation is not computationally feasible because the model is too large and requires fine spatial and temporal discretization to accurately reproduce complex multiphase flow processes. We employ the NRAP Integrated Assessment Model (NRAP-IAM), a hybrid system model developed by the US-DOE for use in performance and quantitative risk assessment of CO 2 sequestration. The IAM model requires reduced order models (ROMs) developed from numerical reservoir simulations of a primary CO 2 injection reservoir. The ROMs are linked with discrete components of the NRAP-IAM including shallow reservoirs/aquifers and the atmosphere through potential leakage pathways. A powerful stochastic framework allows NRAP-IAM to be used to explore complex interactions among a large number of uncertain variables and to help evaluate the likely performance of potential sequestration sites. Using the NRAP-IAM, we find that the potential amount of CO 2 leakage is most sensitive to values of permeability, end-point CO 2 relative permeability, hysteresis of CO 2 relative permeability, capillary pressure, and permeability of confining rocks. In addition to demonstrating the application of the NRAP risk assessment tools, this work shows that GCS in the Kevin Dome has a higher probability of encountering injectivity limitations during injection of CO 2 into the Middle Duperow formation than previous studies have calculated. Finally, we estimate very low risk of CO 2 leakage to the atmosphere unless the quality of the legacy well completions is extremely poor.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,052
Tête enseignante GPT0,319
Écart entre enseignants0,267 · 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'étudeSimulation ou modélisation
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

Citations65
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of greenhouse gas controlMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207