Techno-economic assessment of supercritical, cold liquid, and dissolved CO2 injection into sub-seafloor basalt
Notice bibliographique
Résumé
Injecting CO 2 into subsea basalt can provide permanent storage via multiple trapping mechanisms, including mineralization reactions which convert the CO 2 into solid carbonates over time. Injecting CO 2 together with water can accelerate the process of mineralization, but presents additional challenges, such as high energy and water requirements. A techno-economic model of CO 2 transport and injection into ocean basalt was developed to compare injection strategies using pure supercritical CO 2 , pure liquid CO 2 , and CO 2 dissolved in seawater. The model was applied to a representative injection site off the coast of British Columbia, Canada. Injection of CO 2 dissolved into seawater was found to be more energy and cost intensive than injection of supercritical or liquid CO 2 ; this is primarily due to the reduced quantities of CO 2 that can be injected into each well, and additional pumping energy required for the accompanying seawater. For the base assumptions, transport and storage costs for supercritical, liquid, and dissolved injection were estimated as $43/t, $38/t, and $250/t respectively. Their energy requirements were estimated as 93 kWh/t, 90 kWh/t, and 213 kWh/t respectively. The current best estimates of geological parameters for ocean basalt suggest good injectivity and very large storage capacities per well. This may help to compensate for the additional project expenses incurred by deep water, allowing cost-effective liquid and supercritical injection. However, this result is sensitive to high uncertainties in both geological parameters and component cost data.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».