Techno Economic Assessment of the Gas to Liquid and Coal to Liquid Processes
Notice bibliographique
Résumé
With the fluctuations in conventional crude oil production and uncertainty in its global price, alternative sources of liquid fuels from natural gas and coal are being considered. In addition, formulation of policies in several jurisdictions on phase-out of coal power plants due to climate change considerations has also created a need for the development of alternative utilization of coal. Gas-to-liquid (GTL) and coal-to-liquid (CTL) processes are two liquefaction technologies that respectively convert natural gas and coal to liquid fuels. There is very limited work on development of scale factors for estimation of capital cost of these plants. In this study, the economic potentials of the GTL and CTL processes are investigated. A case study for western Canada is conducted which has large deposits of coal and natural gas. The capital costs of the key equipment of the plants are estimated through development of cost scale-up factors. The production cost for a 50,000 bbl/day of liquid fuels from the GTL and CTL plant is estimated through development of data-intensive techno-economic models using bottom-up methodology. The developed scale-up factor for the GTL and CTL was found to be 0.7 and 0.65 respectively. For both plants, benefits of economey of scale is achieved at a capacity above 20,000 bbl/day. The production cost of the GTL and CTL process are 44.61 and 57.65 cent/lit respectively. On the other hand, when carbon capture and sequestration (CCS) was considered, the production cost of the CTL plant increases significantly. The potential usage of the GTL is attractive due to its simplicity and the relatively low capital investment. On the other hand, the CTL is complex due to the additional CCS and sulphur removal unit.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».