Development of Highly Contaminated Gas and Oil Fields, Breakthrough CO2/H2S Separation Technologies
Notice bibliographique
Résumé
Abstract Description Shell Global Solutions International B.V ("Shell")1 has been involved for many years in the development of new technologies to separate CO2 and H2S from highly contaminated natural gas streams. This program has been significantly accelerated in recent years and major milestones have been achieved. The program focuses on technology solutions that are critical to develop (stranded) contaminated hydrocarbon gas and oil fields. Several key technical challenges in the development of highly contaminated gas & oil fields have been overcome with new technologies developed by Shell. These challenges include: contaminant separation at minimal energy consumption and losses at minimum capital investment. This paper will present these challenges and introduce new technologies that can help to reduce project development cost by as much as 40% compared to conventional technologies Application External studies (Steiner, 2005) estimate a global (recoverable) resource of some 500 B boe ( = 3000 tcf), as per bar chart figure 3 below, of gas that is ‘contaminated’ by the previously defined levels H2S and/or CO2. These resources will require specific technologies to develop these fields economically. The bulk of these resources are in the Middle East, Canada, CIS, Asia and Australia. In general, one could say that the predominantly H2S contaminated fields can be found in the northern Americas (Canada), the Middle East (Abu Dhabi, Kuwait, Oman, Saudi Arabia, Qatar), and the Caspian regions (Kazakhstan, Russia). The indicated size exclude resources that could be accessed via H2S / CO2 Enhanced Oil Recovery (EOR). The application of the newly developed technologies will be in the area of contaminated gas fields. With new technologies highly, contaminated gas fields can be economically developed to remove the contaminants from the hydrocarbon gas and re-injection of the contaminants. Since conventional technologies become less economic at increasing percentages of contaminant, the new technologies are specifically targeted at high concentrations of contaminants (>30%). The new technologies aim for efficiencies above 85 %, where efficiency is expressed as a percentage of hydrocarbon sales gas divided by the hydrocarbon feed stream. (Losses are due to fuel gas and hydrocarbons left in the contaminant stream)
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, 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 ».