MétaCan
Menu
Retour à la cohorte
Enregistrement W4403587408 · doi:10.1016/j.energy.2024.133552

Feasibility study of underground CO2 storage through Water Alternative Gas (WAG) operation: A case study in Southwestern Ontario

2024· article· en· W4403587408 sur OpenAlexaffabout
Mohamad Mohamadi‐Baghmolaei, Dru Heagle, Ali Ghamartale, Amin Izadpanahi

Notice bibliographique

RevueEnergy · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensUniversity of AlbertaNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésEnvironmental sciencePetroleum engineeringWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

Geological CO 2 storage (GCS) offers a promising, low-risk, long-term solution for carbon sequestration . This study assesses the feasibility of GCS water-alternating-gas (WAG) operations in a brine formation targeted for the Western Ontario GCS plan. The Cambrian strata shows potential for CO 2 storage but faces challenges like limited lateral extension and geopolitical issues from plume migration. To mitigate these risks, a deep evaluation of CO 2 trapping mechanisms is crucial. CO 2 dissolution into brine provides secure storage by reducing the free plume. The proposed WAG operation promotes dissolution, using a vertical equilibrium model coupled with a black oil model to estimate CO 2 trapping proportions during and post-injection. The Taguchi design of experiments investigates various WAG scenarios with minimal simulations, reducing numerical costs. Sensitivity analysis/optimization of WAG parameters, including water extraction rate (WER), water injection rate (WIT), and CO 2 injection time (CIT), ranked their effectiveness in CO 2 dissolution. Optimal WAG operations can reduce the free plume by 49 % and increase the dissolution ratio from 0.26 to 0.52. CIT and WIT were found to be the most influential factors, contributing 42 % and 31 % to CO 2 dissolution, and 43 % and 34 % to overall CO 2 trapping, respectively, while WER exhibited a lower impact of 8–9%.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,279
Score d'incertitude au seuil0,561

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,049
Tête enseignante GPT0,311
Écart entre enseignants0,262 · 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'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

Citations14
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergyMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207