CO2 Emission Reduction by Carbon Capture and Storage into Subsurface Reservoirs in Iran
محل انتشار: هفتمین کنگره ملی مهندسی شیمی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,010
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICHEC07_733
تاریخ نمایه سازی: 25 فروردین 1394
چکیده مقاله:
Increase of greenhouse gases in atmosphere has been lead to the biggest environmental challenge of the earth which is known as global warming. Efforts to slow this warming have been focused on issues such as energy management, use of renewable energies, forestation and finally capture and sequestration of CO2 in geological formations which is the most possible option for mitigation of GHG emissions from anthropogenic sources. Acid gas (H2S, CO2) obtained from sweetening of natural gas is considered as a major CO2 source and injection of thesegases into subsurface formations has been suggested as a solution to prevent themfrom releasing to the atmosphere. Iran with vast sour oil and gas reserves and morethan 50 power plants is ranked 10th among CO2 emitting countries and therefore is supposed to control emission of GHG as to get prepared for policies which may beimplemented by UNFCCC after 2012. In this paper, after a brief introduction to CCS technology, the data base of CO2 emission sources in Iran and high priority emission sources are introduced. The phase behavior studies of acid gas injection into one of Iranian oil reservoirs are given
کلیدواژه ها:
نویسندگان
maryam Jahandideh
Research Institute of NIOC,Negar alley, Vanak square, Tehran, Iran
Emad Roayayi
Research Institute of NIOC,Negar alley, Vanak square, Tehran, Iran
Mohsen Zirrahi
Research Institute of NIOC,Negar alley, Vanak square, Tehran, Iran
Reza Azin
Research Institute of NIOC,Negar alley, Vanak square, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :