MétaCan
Menu
Retour à la cohorte
Enregistrement W7133025559

Accounting for Variability and Uncertainty in Life Cycle Assessments: Oil Sands Case Studies

2019· dissertation· W7133025559 sur OpenAlexafffund
Sylvia Sleep

Notice bibliographique

RevueTSpace · 2019
Typedissertation
Langue
DomaineEnergy
ThématiqueGlobal Energy and Sustainability Research
Établissements canadiensHudbay Minerals (Canada)Alberta Energy
Organismes subventionnairesArgonne National LaboratoryCanada's Oil Sands Innovation AllianceCarbon Management CanadaCanadian Natural Resources LimitedU.S. Environmental Protection AgencyU.S. Department of Energy
Mots-clésGreenhouse gasLife-cycle assessmentRefineryOil sandsOil refineryFugitive emissionsUpstream (networking)AsphaltProduction (economics)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Along the life cycle of oil sands-derived products, variability in terms of resource heterogeneity, operating decisions, as well as extraction and processing technologies affect a project’s GHG intensity. Previous LCAs that have quantified emissions from bitumen production and processing have not captured all sources of variability along the life cycle, either by including only some projects or employing simplified refinery modeling or modeling refining only of some crude types. Three studies are completed to address this literature gap. In the first study, a statistically-enhanced version of the GreenHouse gas emissions of current Oil Sands Technologies model (GHOST-SE) is developed. Median lifetime GHG intensities for projects producing synthetic crude oil (SCO) range from 89-137 kg CO2eq/bbl SCO and for the project producing dilbit are 51 kg CO2eq/bbl dilbit. Projects show significant temporal variability. No project reaches steady-state in terms of GHG intensity. Next, GHOST-SE is integrated with a pipeline transportation model (COPTEM) and a refinery model (PRELIM) and variability in life cycle emissions intensities are quantified. Allocation to products affects the relative GHG intensities of different projects (e.g., Project 1 has lowest median life cycle GHG intensity per MJ gasoline but highest per MJ diesel). These results demonstrate that there is no representative project or crude type, even across projects within the same pathway (e.g., Mining SCO pathway). In the final study, expert elicitation methods are employed to assess the potential role for emerging technologies to decrease upstream GHG intensity between 2014 and 2034. Experts surveyed do not expect emerging technologies to play a major role in reducing upstream oil sands energy consumption but are more likely to be applied to access marginal resources not economic with current production technologies. Accurate characterizations of the emissions from the life cycle of oil-sands derived fuels has the potential to assist oil sands operators and policymakers to: set benchmarks, develop projections of future emissions, and identify opportunities for GHG intensity reductions along the life cycle of the fuel. The findings of this thesis can also inform operators and policymakers about the potential unintended consequences of policy decisions.

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)0,007
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,962
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,413
Écart entre enseignants0,383 · 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

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTSpaceMême sujetGlobal Energy and Sustainability ResearchTravaux en français237 207