The influence of temperature, H2O, and NO2 on corrosion in CO2 transportation pipelines
Notice bibliographique
Résumé
The expansion of Carbon Capture, Utilization, and Storage (CCUS) highlights the growing need for carbon dioxide (CO 2 ) pipeline transportation. While pure CO 2 is non-corrosive, impurities such as H 2 O and NO 2 create a corrosive environment that risks pipeline integrity. This study investigates how H 2 O and NO 2 concentrations, along with temperature, influence corrosion under CO 2 pipeline conditions. The investigation was performed in an autoclave setup emulating a linear velocity of 0.96 m/s at 100 bar and temperatures of 5 ∘ C and 25 ∘ C, testing X52 and GR70, and a more corrosion-resistant 9Cr alloy. The results indicated that the presence of NO 2 elevated the corrosion rate compared to scenarios without. Low H 2 O concentration led to a corrosion rate of up to five times higher at 5 ∘ C, compared to at 25 ∘ C, in the presence of NO 2 . Low to moderate corrosion was observed for the carbon steels without NO 2 and with 70 ppmv H 2 O at both temperatures. Reducing the H 2 O concentration below 70 ppmv and removing NO 2 , while SO 2 and O 2 are present, will only result in low to moderate corrosion in the carbon steel CO 2 pipeline. The corrosion rate for X52 and GR70 was 0.065 mm/y and 0.016 mm/y higher or 5 and 3 times greater, respectively, at 5 ∘ C compared to 25 ∘ C. The study concludes that H 2 O should be maintained below 70 ppmv and NO 2 should be eliminated to prevent severe corrosion. Emphasizing the importance of CO 2 specification compliance and the need for further research into CO 2 compositions that align with the specifications.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».