Experimental Modelling of Black Carbon Emissions from Gas Flares in the Oil and Gas Sector
Notice bibliographique
Résumé
Flares in the upstream oil and gas (UOG) industry are an important and poorly quantified source of black carbon (BC) emissions and may be a dominant source of black carbon deposition in sensitive Arctic regions (Stohl et al. 2013). Accurate estimation of flare BC emissions to support informed policy decisions, accurate climate modeling, and new international reporting regulations under the Gothenburg protocol is a critical challenge. To date few studies have focussed on the primarily buoyancy-dominated turbulent non-premixed flames typical of upstream oil and gas flares, such that existing emission factor models are highly uncertain (see (McEwen and Johnson 2012)). Although recent progress has been made in measuring black carbon from flares in the field (e.g. (Conrad and Johnson 2017; Johnson et al. 2013), data have also shown that emissions of individual flares may vary by more than 4 orders of magnitude. The objective of the current study is to develop a robust data-backed model to predict black carbon emissions from flares considering variations in flare gas composition, flow rates, and stack diameters. Laboratory measurements of black carbon (soot) for a range of turbulent non-premixed jet diffusion flames of up to 3 m in length were performed at the Carleton University Flare Facility in Ottawa, Canada. Two hundred and thirty cases spanning five flare stack diameters (25.4 to 76.2 mm), exit velocities from 0.16 to 15.15 m/s, and a broad range of industrially-relevant multicomponent (C1-C7 hydrocarbons, CO2, N2) flare gas compositions were studied. Emissions were captured in a large (~3.1 m diameter) sampling hood and forwarded to gas- and particulate phase analyzers. Black carbon concentrations were measured via a Sunset Labs thermal-optical instrument using the OCECgo software tool (Conrad and Johnson 2019) to quantify uncertainties via Monte Carlo analysis. BC yields were subsequently calculated using a mass-balance methodology (Corbin and Johnson 2014). Variability in BC yield was well-predicted by an empirical model incorporating both the aerodynamic and chemistry effects. For this range of conditions, it was observed that primary independent variables (such as exit velocity and higher heating value) act as reasonable surrogates for sooting propensity. Further experiments are underway to test the proposed model over a broader range of conditions. However, results to date represent a significant advance in our ability to predict black carbon emissions from flares.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».