Mathematical Model for the Placement of Hydrogen Refueling Stations to Support Future Fuel Cell Trucks
Notice bibliographique
Résumé
Fuel cell- and electric-powered trucks are promising technologies for zero-emission heavy-duty transportation. Recently, Fuel Cell Trucks (FCT) have gained wider acceptance as the technology of choice for long-distance trips due to their lighter weight and shorter fueling time than electric-powered trucks. Broader adoption of Fuel Cell Trucks (FCT) requires planning strategies for locating future hydrogen refueling stations (HRS), especially for fleets that transport freight along intercity and inter-country highways. Existing mathematical models of HRS placement often focus on inner-city layouts, which make them inadequate when studying the intercity and intercountry FCT operation scale of FCT. Furthermore, the same models rarely consider decentralized hydrogen production from renewable energy sources, essential for decarbonizing the transportation sector. This paper proposes a mathematical model to guide the planning of the hydrogen infrastructure to support future long-haul FCTs. First, the model uses Geographic Information System (GIS) data to determine the HRS’s optimal number and location placement. Then, the model categorizes and compares potential hydrogen production sources, including off-site delivery and on-site solar-to-hydrogen production. The proposed model is illustrated through a case study of the west coastal area of the United States (from Baja California, Mexico to British Colombia, Canada). Different geospatial scenarios were tested, ranging from the current operational distance of FCEV (250km) and future releases of hydrogen FCT (up to 1,500km). Results highlight the capabilities of the model in identifying the number and location of the HRS based on operation distances, in addition to determining the optimal hydrogen production technology for each HRS. The findings also confirm the viability of green hydrogen production through solar energy, which could play a critical role in a low-carbon transportation future.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».