Process Simulation of Methanol Production from Water Electrolysis and Tri-Reforming
Notice bibliographique
Résumé
The alarmingly increase in anthropogenic CO2 emissions is widely considered as the root cause of global warming. To mitigate this issue, CO2 utilization via methanol production can be an effective approach. The present study develops an innovative process to produce methanol by combining water electrolysis with tri-reforming of methane (TRM). The proposed process utilizes carbon-free electricity to split water into O2 and H2; O2 is collected for partial oxidation reaction in the TRM and H2 is collected for stoichiometric number (SN) optimization. This process configuration eliminates the typical problem of H2 deficiencies associated with methanol synthesis and allows for additional CO2 to be converted. The main process flowsheet is developed with the well-known Aspen HYSYS process simulator. Then the feasibility of this project is evaluated based on its techno-economic performance as well as greenhouse gas (GHG) emissions. The estimated capital expenditure (CAPEX), operating expenditure (OPEX) and GHG emissions of the baseline plant are $774 million, $263 million/year and -0.14 kgCO2eq/kgMeOH, respectively. In particular, water electrolysis process accounts for 34% of CAPEX and 54% of OPEX. A discounted cash flow (DCF) model combined with sensitivity analyses show that a breakeven point can be reached with a methanol price of $491/ton. The results from this study demonstrate that combining water electrolysis with TRM can improve the sustainability and economic viability for methanol production. However, in order for the process to become more financially attractive, further research and development are necessary to drive down the costs of the current water electrolysis technology.
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) | 0,001 | 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 | 0,000 |
| 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 ».