Optimizing Transportation and Storage Design for CO <sub>2</sub> Geological Sequestration Using Multiobjective Optimization and Nodal Analysis: A Case Study From the Gunsan Basin, South Korea
Notice bibliographique
Résumé
This study presents a front‐end engineering design (FEED) methodology for an integrated CO 2 transport–injection–storage system, utilizing multiobjective optimization (MOO) and nodal analysis. The methodology’s performance is validated through a carbon capture and storage (CCS) demonstration project in the Gunsan Basin (GB), South Korea. This approach employs the dynamic inflow performance relationship (IPR)−outflow performance relationship (OPR) technique, applying it to the FEED of the CO 2 transport–injection–storage system to enable CO 2 injection into a saline aquifer via a single injection well connected through an onshore hub terminal and a subsea pipeline. By adjusting decision variables (CO 2 discharge pressure at the onshore hub terminal, pipeline diameter, tubing diameter, and CO 2 temperature at the wellhead), three objectives (CO 2 storage capacity, safety, and economic benefit) are optimized through MOO, identifying the Pareto‐optimal front (POF) among objective functions. These trade‐off solutions provide reliable ranges for the four decision variables used in the nodal analysis, which considers real‐time pressure and temperature variations in the system during CO 2 injection, along with the associated facility qualifications and operating conditions. This analysis determines the IPR−OPR at the bottom of the injection well and the corresponding pressure–flowrate, defining the practical FEED scope for the integrated CO 2 transport–injection–storage system. By integrating optimal solutions from both MOO and nodal analysis, the study identifies the final nondominated solutions for efficient and stable CO 2 geological storage. The proposed methodology offers decision‐makers robust scenarios for facility qualifications and operating conditions, considering CO 2 storage capacity, safety, and economic efficiency at the FEED stage of a CCS demonstration project.
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 | 0,001 | 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 ».