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 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 consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,363
Score d'incertitude au seuil0,997

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)0,0040,000

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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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