MétaCan
Menu
Retour à la cohorte
Enregistrement W3041381282 · doi:10.1016/j.xcrp.2020.100104

Economic and Environmental Assessment of Integrated Carbon Capture and Utilization

2020· article· en· W3041381282 sur OpenAlexafffund
Imtinan Mohsin, Tareq A. Al‐Attas, Kazi Z. Sumon, Joule Bergerson, Sean McCoy, Md Golam Kibria

Notice bibliographique

RevueCell Reports Physical Science · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesCanada First Research Excellence FundUniversity of Calgary
Mots-clésEnvironmental scienceCarbon fibersCarbon dioxideProduction (economics)Formic acidCarbon capture and storage (timeline)Waste managementFossil fuelCarbon sequestrationTonBaseline (sea)Environmental economicsComputer scienceEngineeringChemistryClimate changeEconomics

Résumé

récupéré en direct d'OpenAlex

Integrated carbon capture and utilization (CCU) is appealing for in situ production of fuels and chemicals. Here, we propose and subsequently assess an integrated electrochemical CCU process and compare it with a carbon capture and storage (CCS) route from economic and environmental perspectives. This analysis reveals that under a baseline CCU scenario, carbon products reap either economic (67% and 10% gross margin increase for carbon monoxide [CO] and n-propanol, respectively) or environmental benefits (formic acid production would reduce ∼721 thousand ton carbon dioxide equivalent [CO2e]/year) relative to the CCS route. Under an optimistic scenario, while all of the carbon dioxide (CO2)-derived products are economically compelling over the CCS route, only formic acid production would reduce ∼1,465 thousand ton CO2e/year over CCS (∼575 thousand ton CO2e/year). This study may serve as a framework to decide whether a CCS or a CCU pathway would be compelling under a given scenario when fuel-cell-based CO2 capture technology is used to reduce carbon emissions and create economic value from fossil fuel-based power plants.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,212
Écart entre enseignants0,204 · 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

Citations71
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell Reports Physical ScienceMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207