MétaCan
Menu
Retour à la cohorte
Enregistrement W4388592852 · doi:10.1016/j.ijhydene.2023.11.035

Bioreaction coupled flow simulations: Impacts of methanogenesis on seasonal underground hydrogen storage

2023· article· en· W4388592852 sur OpenAlexfundno aff
G. Wang, Gillian Elizabeth Pickup, K. S. Sorbie, Júlia R. de Rezende, F. Zarei, Eric Mackay

Notice bibliographique

RevueInternational Journal of Hydrogen Energy · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilLeverhulme TrustEnergi SimulationComputer Modelling GroupHeriot-Watt University
Mots-clésMethanogenesisMethanationHydrogenEnvironmental scienceHydrogen storageCarbon capture and storage (timeline)ChemistryMethanePetroleum engineeringGeologyClimate changeOceanography

Résumé

récupéré en direct d'OpenAlex

Assessing microbial risks is key to feasible hydrogen storage in geological formations. This work quantitatively analyses the impacts of bio-methanation on hydrogen storage performance. Fine-scale flow simulations, coupled with the bio-methanation reaction, are presented to analyse its impact on the storage performance. Based on the reported rates in literature, methanogenesis may slightly degrade the recovery performance of hydrogen but is considered minor compared with the issue of gas mixing. The impacts of methanogenesis on a time scale of months (330 days) becomes observable in the system configured here, when the methanation rate is above 1746 nano molality per hour. The assumed methanation rate is two times greater than the rate reported from the Olla filed. Validated scaling theory generalises findings for gravity-dominated scenarios. But viscous-dominated flows see complications from property variations due to pressure changes at high rates. This study provides definitions of “target properties” (e.g., acceptable methanogenesis rates) for screening hydrogen storage projects.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,377
Score d'incertitude au seuil0,577

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,015
Tête enseignante GPT0,253
Écart entre enseignants0,238 · 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'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

Citations34
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Hydrogen EnergyMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207