MétaCan
Menu
Retour à la cohorte
Enregistrement W3114976514 · doi:10.1021/acs.langmuir.0c03232

Molecular Dynamics Study on CO<sub>2</sub> Storage in Water-Filled Kerogen Nanopores in Shale Reservoirs: Effects of Kerogen Maturity and Pore Size

2020· article· en· W3114976514 sur OpenAlexafffund
Wenhui Li, Mingshan Zhang, Yiling Nan, Wanying Pang, Zhehui Jin

Notice bibliographique

RevueLangmuir · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanada First Research Excellence FundChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaCompute Canada
Mots-clésKerogenOil shaleNanoporeMaturity (psychological)Chemical engineeringCarbon fibersMaterials scienceMineralogyChemistrySpecific surface areaTotal organic carbonChemical physicsNanotechnologyGeologyOrganic chemistrySource rockComposite material

Résumé

récupéré en direct d'OpenAlex

CO 2 sequestration in shale reservoirs is an economically viable option to alleviate carbon emission. Kerogen, a major component in the organic matter in shale, is associated with a large number of nanopores, which might be filled with water. However, the CO 2 storage mechanism and capacity in water-filled kerogen nanopores are poorly understood. Therefore, in this work, we use molecular dynamics simulation to study the effects of kerogen maturity and pore size on CO 2 storage mechanism and capacity in water-filled kerogen nanopores. Type II kerogen with different degrees of maturity (II-A, II-B, II-C, and II-D) is chosen, and three pore sizes (1, 2, and 4 nm) are designed. The results show that CO 2 storage mechanisms are different in the 1 nm pore and the larger ones. In 1 nm kerogen pores, water is completely displaced by CO 2 due to the strong interactions between kerogen and CO 2 as well as among CO 2 . CO 2 storage capacity in 1 nm pores can be up to 1.5 times its bulk phase in a given volume. On the other hand, in 2 and 4 nm pores, while CO 2 is dissolved in the middle of the pore (away from the kerogen surface), in the vicinity of the kerogen surface, CO 2 can form nano-sized clusters. These CO 2 clusters would enhance the overall CO 2 storage capacity in the nanopores, while the enhancement becomes less significant as pore size increases. Kerogen maturity has minor influences on CO 2 storage capacity. Type II-A (immature) kerogen has the lowest storage capacity because of its high heteroatom surface density, which can form hydrogen bonds with water and reduce the available CO 2 storage space. The other three kerogens are comparable in terms of CO 2 storage capacity. This work should shed some light on CO 2 storage evaluation in shale reservoirs.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,007
Tête enseignante GPT0,210
Écart entre enseignants0,204 · 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

Citations74
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLangmuirMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207