MétaCan
Menu
Retour à la cohorte
Enregistrement W4213152234 · doi:10.2523/iptc-22320-ms

Exploring the Feasibility of Geological Storage of Hydrogen in Indian Porous Media: Challenges, Opportunities and the Way Ahead

2022· article· en· W4213152234 sur OpenAlexaff
Shruti Joshi, Krishna Raghav Chaturvedi

Notice bibliographique

RevueInternational Petroleum Technology Conference · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRenewable energyEnergy storageEnvironmental scienceFossil fuelHydrogen storageEnvironmental economicsElectricity generationEnergy supplyNatural resource economicsWind powerBusinessProcess engineeringPower (physics)HydrogenWaste managementEngineeringEnergy (signal processing)Electrical engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract While hydrogen (H2) continues to attract major attention by Indian policymakers and energy analysts as a future sustainable low-carbon energy source that holds immense potential for decarbonizing power, mobility and industrial sectors, inadequate attention has been paid to address the non-uniformity in H2 supply and power demand cycles. This paper aims to investigate the feasibility of long term storage of hydrogen in porous media to address this non-uniformity. Current research indicates that renewables like solar and wind can be utilized to generate H2 which can then be used to fuel our industrial growth. However, renewables, by their very fundamental nature, are prone to fluctuations in energy generation and may not adequately ensure energy availability at all hours of the day or all seasons of the year. This is even more challenging for a country like India where access to energy must be cheap, sustainable and reliable. For this, ongoing research has focused on generating H2 during the peak intervals (when renewables operate at peak efficiency) and storing it for use during the lean hours (when renewable energy generation capacity is down). The large scale storage of H2 can be accomplished in porous geological media (subsurface H2 storage. SHS), primarily in saline aquifers and oilfields which have been depleted. This would enable planners to balance seasonal discrepancies between energy demand and supply. However, the various processes behind SHS remain poorly understood. Thus, in this study, the various challenges associated with SHS such as inferior front formation, H2 mobility control, maximum storage depth, maximum storability depth, microbial corrosion and permeability changes have been identified and solutions to them have been proposed. Also, to mitigate these challenges, a list of Indian reservoirs have been identified and proposed for SHS. A future course of action has been drawn for Indian policymakers to suitably promote SHS shortly, enabling its large-scale safe and efficient deployment on a nation-wide scale. The paper adds value to the wider scientific community by introducing the relatively new and less well understood concept of subsurface hydrogen storage. It is expected that the information presented in this study will enable faster assimilation and adoption of cleaner hydrogen fuel source while allowing the hydrocarbon industry to leverage their expertise in the coming future.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,137
Tête enseignante GPT0,278
Écart entre enseignants0,140 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Petroleum Technology ConferenceMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207