MétaCan
Menu
Retour à la cohorte
Enregistrement W3164888638 · doi:10.11159/ffhmt21.142

Integration of Cement and Hydrogen Industries for Canada’s ClimatePlan: Case Study

2021· article· en· W3164888638 sur OpenAlexaffvenueabout
Rami S. El‐Emam, Neha Bagria, Kamiel Gabriel

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésPlan (archaeology)CementHydrogenEnvironmental scienceBusinessComputer scienceGeologyMaterials scienceChemistryMetallurgy

Résumé

récupéré en direct d'OpenAlex

In December 2020, Canada released its national strengthened climate change plan with focus on cutting energy waste and pollution towards building clean industrial advantage. Two weeks later, the national hydrogen strategy was announced urging all involved stakeholders to delve into the deployment of large-scale clean hydrogen technologies. Ontario, Canada's largest economy and leading manufacturing province, releases its provincial hydrogen strategy and roadmap later this year. This paper represents a viable solution for reducing CO2 emissions from large industry pollutants by integrating our innovative copper chlorine (Cu-Cl) thermochemical hydrogen production technology with the energy intensive and polluting industry of cement manufacturing. The paper highlights the nexus between the production process of two valuable commodities, namely cement and Hydrogen, and the role their integration introduces for increased energy efficiency and reduction of greenhouse gas emissions. In addition, as the kiln processes of cement manufacturing consume approximately 99% of total thermal energy use, the paper proposes different scenarios involving the use of hydrogen to partially meet the kiln's heat demand. The scenarios show the possibility of achieving over 43% reduction in CO2 emissions compared to coal-based kiln production, along with reduced recurring cost for operating the kiln. On-site large-scale hydrogen production, mixed with NG was, found to be financially viable and environmentally advantageous.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,263
Écart entre enseignants0,225 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207