MétaCan
Menu
Retour à la cohorte
Enregistrement W2063668489 · doi:10.1115/es2009-90318

Hydrogen Economy or Electricity Economy?: A Transportation Case Study

2009· article· en· W2063668489 sur OpenAlexaff
R. L. Evans

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésHydrogen vehicleMiles per gallon gasoline equivalentHydrogen economyBattery (electricity)ElectricityAutomotive engineeringEnvironmental scienceDriving rangeHydrogen fuelEnergy storageGreenhouse gasPrimary energyHydrogenGreen vehicleFuel efficiencyEnvironmental economicsEngineeringElectrical engineeringPower (physics)EconomicsChemistry

Résumé

récupéré en direct d'OpenAlex

Transportation accounts for more than a quarter of total global energy consumption. For fuelling road transportation there has been much speculation about the use of hydrogen as an energy carrier, which proponents claim would usher in the “Hydrogen Economy”. The concept of the “complete energy conversion chain” has been used to compare the overall energy consumption and CO2 emissions from vehicles powered by hydrogen fuel cells with those from vehicles using a battery and electric drive. The analysis shows that if a sustainable source of electricity is used to produce hydrogen, then the hydrogen and fuel cell system is just equivalent to a battery. The efficiency of these two different approaches has been compared, and shows that the hydrogen system would consume nearly three times the primary energy required by a battery storage system. Conventional batteries do not, however, have a sufficiently high energy storage density to provide the range needed for most drivers. A new generation of plug-in hybrid vehicles is being developed which take advantage of the best attributes of both electric vehicles and conventional fossilfuelled vehicles. These vehicles show promise to dramatically reduce the quantity of greenhouse gases produced each year by the transportation sector.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,007
Tête enseignante GPT0,206
Écart entre enseignants0,199 · 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
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Vehicles and InfrastructureTravaux en français237 207