MétaCan
Menu
Retour à la cohorte
Enregistrement W4409903825 · doi:10.3390/en18092258

Compressed Air Energy Storage in Salt Caverns Optimization in Southern Ontario, Canada

2025· article· en· W4409903825 sur OpenAlexafffundabout
Jingyu Huang, Shunde Yin

Notice bibliographique

RevueEnergies · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesMitacs
Mots-clésCompressed air energy storageCompressed airEnergy storageSalt (chemistry)Environmental scienceEnergy (signal processing)Waste managementGeologyEngineeringChemistryMechanical engineeringMathematicsPhysics

Résumé

récupéré en direct d'OpenAlex

Energy storage systems are gaining increasing attention as a solution to the inherent intermittency of renewable energy sources such as solar and wind power. Among large-scale energy storage technologies, compressed air energy storage (CAES) stands out for its natural sealing properties and cost-efficiency. Having abundant salt resources, the thick and regionally extensive salt deposits in Unit B of Southern Ontario, Canada, demonstrate significant potential for CAES development. In this study, optimization for essential CAES salt cavern parameters are conducted using geological data from Unit B salt deposit. Cylinder-shaped and ellipsoid-shaped caverns with varying diameters are first simulated to determine the optimal geometry. To optimize the best operating pressure range, stationary simulations are first conducted, followed by tightness evaluation and long-term stability simulation that assess plastic and creep deformation. The results indicate that a cylinder-shaped cavern with a diameter 1.5 times its height provides the best balance between storage capacity and structural stability. While ellipsoid shape reduces stress concentration significantly, it also leads to increased deformation in the shale interlayers, making them more susceptible to failure. Additionally, the findings suggest that the optimal operating pressure lies between 0.4 and 0.7 times the vertical stress, maintaining large capacity and minor gas leakage, and developing the least creep deformation.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,240
Score d'incertitude au seuil0,483

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,162
Écart entre enseignants0,159 · 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'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

Citations4
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207