Hydrogen Gas Refueling Infrastructure for Heavy-Duty Trucks: A Feasibility Analysis
Notice bibliographique
Résumé
Abstract In view of serious environmental problems occurring around the world and in particular climate change caused significantly by dangerous CO2 emissions into the biosphere in the developmental process, it has become imperative to identify alternative and cleaner sources of energy. Compressed hydrogen is being considered as a potential fuel for heavy-duty applications because it will substantially reduce toxic greenhouse gas emissions and other pollutant emissions. The cost of hydrogen will be the main element in the acceptance of compressed hydrogen internal combustion engine (ICE) vehicles in the marketplace because of its effect on the levelized cost of driving. This paper investigates the feasibility of developing a nationwide network of hydrogen refueling infrastructure with the aim to assist in a conversion of long-haul, heavy-duty (LHHD) truck fleet from diesel fuel to hydrogen. This initiative is taken in order to reduce vehicle emissions and support commitments to the climate plans reinforcing active transportation infrastructure together with new transit infrastructure and zero-emission vehicles. Two methods based on constant and variable traffics, using data about hydrogen infrastructure and ICE vehicles, were created to estimate fueling conditions for LHHD truck fleet. Furthermore, a thorough economic study was carried out on several test cases to evaluate how diverse variables affect the final selling price of hydrogen. This gave an understanding of what elements go into the pricing of hydrogen and if it can compete with diesel in the trucking market. Results revealed that the cost to purchase green hydrogen is the utmost part in the pump price of hydrogen. Due to the variety in hydrogen production, there is no defined cost, which renders estimates difficult. Moreover, it was found that the pump price of green hydrogen is on average 239% more expensive than diesel fuel. The methodology proposed and models created in this feasibility study may serve as a valuable tool for future techno-economics of hydrogen refueling stations for other types of ICE fleets or fuel cell vehicles.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».