Water–energy nexus for water distribution systems: a literature review
Notice bibliographique
Résumé
Water and energy are interdependent on each other. Energy is required to supply water to a system while, at the same time, water is needed for power generation in any natural or artificial system. This relationship is often called the water–energy nexus (WEN). In a water supply system, energy is consumed for source water extraction, transmission, treatment, and distribution. About 7%–8% of the world’s total generated energy is used for drinking water production and distribution. A major portion of this energy is used for distribution, i.e., pumping, chlorination, and maintenance activities, and hence is the focus of this review. Most of the world’s energy is generated by fossil fuels (oil, gas, and coal), which results in greenhouse gas (GHG) emissions. Here we review studies conducted to assess and evaluate the energy consumption and the related GHG emissions in water distribution systems (WDSs). This review covers the basic concepts and studies on WEN, energy saving solutions, renewable energy resources for water pumping, optimization of design, and the life cycle assessment (LCA) of large WDSs. Most of the reviewed studies suggest a trade-off between energy cost and the associated GHG emissions when selecting fixed-speed pumps over variable-speed pumps for large WDSs. To mitigate CO 2 emissions, renewable energy resources like solar, wind, and mini-water turbines for water pumping have been discussed and mini-water turbines were found to be energy efficient solutions. The energy-focused LCA model has been studied to investigate the environmental impacts, GHG emissions, operational energy, and various life cycle stages of pipe manufacturing (embodied energy) in the network. Case studies of real world WDSs are reviewed and the potential research gaps are identified. Most life cycle studies have focused on the areas of pipe replacement, the life cycle cost of the system, the operational energy, and the reduction of GHG emissions, whereas less attention has been paid to the geographical and socio-economic issues along with the areas of human health, water resource diversity, and the hydraulic characteristics of WDSs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,008 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».