MétaCan
Menu
Retour à la cohorte
Enregistrement W2107078751 · doi:10.1002/9781118991978.hces199

Clean Energy‐Based Production of Hydrogen: An Energy Carrier

2015· other· en· W2107078751 sur OpenAlexaff
Babatunde Olateju, Amit Kumar

Notice bibliographique

RevueHandbook of Clean Energy Systems · 2015
Typeother
Langueen
DomaineEngineering
ThématiqueMining and Gasification Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHydrogen productionGreenhouse gasEnvironmental scienceHydrogen economyEnergy carrierCarbon capture and storage (timeline)Renewable energyHydrogen technologiesProduction (economics)Waste managementContext (archaeology)Carbon sequestrationCarbon footprintSteam reformingCoalHydrogen fuelNatural resource economicsHydrogenEngineeringClimate changeCarbon dioxideEconomicsChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In the context of a global energy market with rising demand along with an increasing aversion to greenhouse gas (GHG) emissions, the demand for clean energy production and, in particular, environmentally benign energy carriers and storage media are considerable. In this article, the production of hydrogen as a clean energy storage medium is addressed from a techno‐economic perspective. Furthermore, emphasis is placed upon hydrogen production channels that can facilitate large‐scale production and significantGHGmitigation at a relatively moderate cost. A number of hydrogen pathways are considered, which include wind‐powered electrolytic hydrogen production, biohydrogen production via gasification and pyrolysis, steam methane reforming (SMR) with and without carbon capture and sequestration (CCS), and underground coal gasification (UCG) with and withoutCCS. This article presents a holistic discussion of the salient techno‐economic trade‐offs and implications, challenges, and competitive advantages, as well as the environmental footprint pertaining to each hydrogen pathway.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,004

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 Opus0,017
Tête enseignante GPT0,209
Écart entre enseignants0,191 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHandbook of Clean Energy SystemsMême sujetMining and Gasification TechnologiesTravaux en français237 207