Numerical investigation of natural gas-enhanced autothermic pyrolysis for optimizing in-situ conversion in oil shale
Notice bibliographique
Résumé
The autothermic pyrolysis in-situ conversion process for oil shale (ATS) offers the advantages of low development costs and the capability to exploit deep oil shale resources. However, oil shale formations with low oil content encounter the challenge of insufficient heat-generating donors in the thermal cracking residue, making it difficult to sustain the autogenous thermal reaction through oxidative exotherm. In this study, we propose a natural gas-assisted autogenous thermal in-situ conversion technology (H-ATS) designed to develop low oil content shale, and we analyze its mechanism through numerical simulation across oil shales with varying oil contents. The results show that introducing 2.0% natural gas into the injected air successfully triggers the autogenous thermal reaction in low-oil-content shale, achieving an energy efficiency of 3.70. For medium oil content shale, a 2.0% natural gas addition, and for high oil content shale, a 4.0% addition, significantly reduces the gas compression energy required, enhancing energy efficiency to 8.11 and 13.04, respectively—representing improvements of 29.47% and 19.19% over the ATS process alone. This study evaluates the applicability of H-ATS technology across various oil shale formations, providing a new approach for the commercialization of in-situ conversion technology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».