MétaCan
Menu
Retour à la cohorte
Enregistrement W4207064172 · doi:10.1016/j.enconman.2022.115245

Comparative assessment of blue hydrogen from steam methane reforming, autothermal reforming, and natural gas decomposition technologies for natural gas-producing regions

2022· article· en· W4207064172 sur OpenAlexaff
A.O. Oni, Karina Anaya, Temitayo Giwa, Giovanni Di Lullo, Amit Kumar

Notice bibliographique

RevueEnergy Conversion and Management · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésHydrogen productionGreenhouse gasNatural gasSteam reformingEnvironmental scienceMethaneLife-cycle assessmentCarbon footprintCarbon sequestrationWaste managementMethane reformerHydrogenProduction (economics)EngineeringChemistryCarbon dioxide

Résumé

récupéré en direct d'OpenAlex

Interest in blue hydrogen production technologies is growing. Some researchers have evaluated the environmental and/or economic feasibility of producing blue hydrogen, but a holistic assessment is still needed. Many aspects of hydrogen production have not been investigated. There is very limited information in the literature on the impact of plant size on production and the extent of carbon capture on the cost and life cycle greenhouse gas (GHG) emissions of blue hydrogen production through various production pathways. Detailed uncertainty and sensitivity analyses have not been included in most of the earlier studies. This study conducts a holistic comparative cost and life cycle GHG emissions’ footprint assessment of three natural gas-based blue hydrogen production technologies – steam methane reforming (SMR), autothermal reforming (ATR), and natural gas decomposition (NGD) to address these research gaps. A hydrogen production plant capacity of 607 tonnes per day was considered. For SMR, based on the percentage of carbon capture and capture points, we considered two scenarios, SMR-52% (indicates 52% carbon capture) and SMR-85% (indicates 85% carbon capture). A scale factor was developed for each technology to understand the hydrogen production cost with a change in production plant size. Hydrogen cost is 1.22, 1.23, 2.12, 1.69, 2.36, 1.66, and 2.55 $/kg H2 for SMR, ATR, NGD, SMR-52%, SMR-85%, ATR with carbon capture and sequestration (ATR-CCS), and NGD with carbon capture and sequestration (NGD-CCS), respectively. The results indicate that when uncertainty is considered, SMR-52% and ATR are economically preferable to NGD and SMR-85%. SMR-52% could outperform ATR-CCS when the natural gas price decreases and the rate of return increases. SMR-85% is the least attractive pathway; however, it could outperform NGD economically when CO2 transportation cost and natural gas price decrease. Hydrogen storage cost significantly impacts the hydrogen production cost. SMR-52%, SMR-85%, ATR-CCS, and NGD-CCS have scale factors of 0.67, 0.68, 0.54, and 0.65, respectively. The hydrogen cost variation with capacity shows that operating SMR-52% and ATR-CCS above hydrogen capacity of 200 tonnes/day is economically attractive. Blue hydrogen from autothermal reforming has the lowest life cycle GHG emissions of 3.91 kgCO2eq/kg H2, followed by blue hydrogen from NGD (4.54 kgCO2eq/kg H2), SMR-85% (6.66 kgCO2eq/kg H2), and SMR-52% (8.20 kgCO2eq/kg H2). The findings of this study are useful for decision-making at various levels.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,243
Écart entre enseignants0,234 · 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

Citations582
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Conversion and ManagementMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207