MétaCan
Menu
Retour à la cohorte
Enregistrement W4366778602 · doi:10.4043/32522-ms

Building a CCS Hub at Scale in North America

2023· article· en· W4366778602 sur OpenAlexaboutno aff
Sundar Ram Sandhya, Broom Preston, Saratu Mohammed, Ayse Uvwo

Notice bibliographique

RevueOffshore Technology Conference · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarbon capture and storage (timeline)SuitePipeline (software)Scale (ratio)Zero emissionRefining (metallurgy)Environmental scienceWaste managementBusinessEnvironmental economicsEngineeringClimate changeMechanical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Carbon Capture, storage (CCS) and utilization is an integrated solution that can help to abate against carbon dioxide emissions aiding to meet local and global net zero goals. A suite of technical solutions works to capture CO2 that is emitted, followed by compression into pipeline or barging systems that transport into storage sites. At these storage sites, CO2 is injected into rock formations that permanently sequester the CO2 for a long time. This paper discusses Shell's (refered as "company") ADIP-ULTRA solvent technology, which provides pre-combustion CO2 removal and has been applied to more than 500 units around the world, including the company's operated Quest project in Canada. Quest in Canada is one of the most mature CCS operations in the world having sequestered nearly 8MT so far safely. As part of this technology our company also currently licenses a post combustion capture technology across multiple industries including power, steel, cement, and refining. In this paper, we will share some of the successful ways of working to overcome barriers of development to create a CCS hub including aspects of successful capture, transport and storage (in underground reservoirs) at scale in North America.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,160
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,016
Tête enseignante GPT0,261
Écart entre enseignants0,245 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOffshore Technology ConferenceMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207