MétaCan
Menu
← Retour à la cohorte
Enregistrement W4297349478 · doi:10.56952/arma-2022-0743

Salt Cavern Dissolution Mining: Lessons Learned from Simulations

2022· article· en· W4297349478 sur OpenAlexaff
Li Li, Robert Gracie, Maurice B. Dusseault

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMethane Hydrates and Related Phenomena
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDissolutionBuoyancyCompressed air energy storageBrineVortexEnergy storageMolten saltEnvironmental scienceRenewable energyPetroleum engineeringVolumetric flow rateGeologyMaterials scienceMechanicsChemical engineeringThermodynamicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT: Salt caverns are usually developed by circulating fresh water through a well in a salt formation and extracting brine. Due to the difference in density (buoyancy), fresh water quickly rises to the top of the cavern and promotes dissolution, so the shape of the cavern can be controlled in part by an air pad at the top of the cavern. Relatively high fluid velocities and buoyancy lead to the creation of vortices that are shown to play a critical role in cavern development. Vortices induce higher localized rates of dissolution, leading to complexity which has traditionally been thought to be exclusively due to heterogeneity of the salt formation. Using a combination of simulation based on a novel method involving full CFD and physical-driven dissolution front evolution, we demonstrate how flow complexities combined with the non-reversible nature of salt dissolution drive cavern shape complexity. We discuss and compare mechanisms observed in terms of concentration distributions, brine flow patterns, dissolution rates, and the non-linear impact of injection rate and insoluble interlayer on cavern shape and size. 1 INTRODUCTION The increases in renewable energy generation promote a high demand for large energy storage facilities. Compressed Air Energy Storage (CAES) is considered one of the best options because it has the advantage of possessing a large storage capacity, small energy loss rate, relatively high cycle efficiency, and is environmentally friendly (Li et al., 2018). A large compressed air storage reservoir is key to ensure the CAES system performs large-scale energy storage, and cavern stability is needed for storage security. Salt formations provide favourable conditions for large-scale cavities because the salt rock has low permeability and excellent self-healing characteristics (Chen et al., 2013; Ozarslan, 2012), ensuring air tightness. However, during the construction of the salt cavern by dissolution mining, overhanging blocks will develop, and the failure of these blocks can threaten the utility of the cavern (Wang et al., 2017). Although different technologies, such as blanket application with sonar monitoring, are used to control roof dissolution and help optimize cavern shape, caverns with high irregularity, as sketched in Fig. 1 are still commonly constructed. So, the key factors that affect the dissolution of solid minerals should be investigated in order to guide and execute effective cavern shape control. Numerical simulation is an efficient way to investigate the factors, especially for large cavern dissolution, which is challenging to explore through laboratory or field experiments.

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)0,005
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,046
Tête enseignante GPT0,275
Écart entre enseignants0,229 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMethane Hydrates and Related Phenomena→Travaux en français237 207→