MétaCan
Menu
Retour à la cohorte
Enregistrement W4367047448 · doi:10.1016/j.fuel.2023.128450

On the ability to store and recover hydrogen in post-SAGD reservoirs

2023· article· en· W4367047448 sur OpenAlexafffund
Pachari Detpunyawat, Jingyi Wang, Yi Su, Ian D. Gates

Notice bibliographique

RevueFuel · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueOil and Gas Production Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanada First Research Excellence Fund
Mots-clésPetroleum engineeringResidual oilVolume (thermodynamics)HydrogenEnvironmental scienceMethaneSteam-assisted gravity drainageCompressed hydrogenHydrogen productionTonneProduced waterOil productionCoalbed methaneWaste managementHydrogen storageOil sandsChemistryGeologyMaterials scienceEngineeringCoalThermodynamics

Résumé

récupéré en direct d'OpenAlex

In typical steam-assisted gravity drainage (SAGD) operations, after commercial operations are complete, over 60% of the oil within the reservoir is produced. This means that after commercial operations, there is a steam-filled gas porous rock zone with small amounts residual water and oil referred to as the depletion zone. Given the dimensions of a SAGD depletion zone is of order of 1,000 long, 100 m wide, and between 20 and 30 m tall, this represents a large pore volume that could be used for storage. For underground options, there have been suggestions of using salt caverns and produced gas or oil reservoirs. One novel option that has not yet been examined is hydrogen storage in post-SAGD depletion chambers. The research described here an evaluation of post-SAGD chambers for injection and production of hydrogen. The results show that hundreds of tonnes of hydrogen can be stored within post-SAGD chambers and the purity of the hydrogen that is produced varies from 98% at start to 96% after 5 years of production during co-production of methane originated from the original solution gas that is the oil. The purity of produced hydrogen improved with increased hydrogen storage capacity after multiple cycle storage reaching its highest recovery factor of 99.2 % after 4 cycles.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil0,149

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,225
Écart entre enseignants0,212 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations4
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFuelMême sujetOil and Gas Production TechniquesTravaux en français237 207