Ethanol or Bioelectricity? Life Cycle Assessment of Lignocellulosic Bioenergy Use in Light-Duty Vehicles
Notice bibliographique
Résumé
Our study evaluates life cycle energy use and GHG emissions of lignocellulosic ethanol and bioelectricity use in U.S. light-duty vehicles. The well-to-pump, pump-to-wheel, and vehicle cycle stages are modeled. All ethanol (E85) and bioelectricity pathways have similar life cycle fossil energy use (~ 100 MJ/100 vehicle kilometers traveled (VKT)) and net GHG emissions (~5 kg CO2eq./100 VKT), considerably lower (65-85%) than those of reference gasoline and U.S. grid-electricity pathways. E85 use in a hybrid vehicle and bioelectricity use in a fully electric vehicle also have similar life cycle biomass and total energy use (~ 350 and ~450 MJ/100 VKT, respectively); differences in well-to-pump and pump-to-wheel efficiencies can largely offset each other. Our energy use and net GHG emissions results contrast with findings in literature, which report better performance on these metrics for bioelectricity compared to ethanol. The primary source of differences in the studies is related to our development of pathways with comparable vehicle characteristics. Ethanol or vehicle electrification can reduce petroleum use, while bioelectricity may displace nonpetroleum energy sources. Regional characteristics may create conditions under which either ethanol or bioelectricity may be the superior option; however, neither has a clear advantage in terms of GHG emissions or energy use.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».