Keynote: Comparing Benefits of CO2 storage and CO@EOR from a Climate Mitigation Perspective
Notice bibliographique
Résumé
Summary Over the coming decades our society has a significant challenge in achieving globally significant reductions in greenhouse gas emissions. Numerous studies show that large-scale geologic disposal of CO2 from industrial emissions will be essential to achieve this objective. There are currently 21 large-scale CCS facilities in operation. Of these large-scale CCS projects, five use geologic storage in saline formations (Sleipner, Snehvit, Quest, IBDP & Gorgon) and together inject nearly 6 million tonnes CO2 per annum (Mtpa). The remaining large-scale projects mainly use CO2EOR as the storage vehicle. Enhanced oil recovery using carbon dioxide (CO2EOR) can have a dual purpose: (a) To recover additional oil, thereby supplying energy and additional revenues; and (b) to mitigate climate change by reducing anthropogenic CO2 emissions. Historically, CO2EOR projects have tended to maximize oil production as a function of the CO2 injected. There are various options proposed to enhance the climate mitigation effect of CO2EOR projects by maximizing the ratio of the CO2 injected to the oil produced, or by transiting projects from CO2EOR in the initial stages to pure storage projects in the later stages. However, to achieve net zero-emissions, CO2EOR projects need to include a significant fraction of non-EOR CO2 storage. CO2EOR projects also play an important role in building the infrastructure needed for large-scale carbon capture, utilisation, and storage. We illustrate these potential pathways using examples of large CCUS/CCS projects, both from offshore Norway and onshore Canada.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».