Life-Cycle and Techno-Economic Assessment of Early-Stage Carbon Capture and Utilization Technologies—A Discussion of Current Challenges and Best Practices
Notice bibliographique
Résumé
The mitigation of climate change requires research, development, and deployment of new technologies that are not only economically viable but also environmentally benign. Systematic and continuous technology assessment from early technology maturity onwards allows assessment practitioners to identify economic and environmental characteristics. With this information, decision-makers can focus time and resources on the most promising technologies. A broad toolset for technology assessment exists—stretching from the well-established life cycle assessment (LCA) methodology to more loosely defined techno-economic analysis (TEA) methods and the increasingly popular principles of technology maturity assessment such as the concept of technology readiness levels (TRL). However, current technology assessment practice faces various challenges at early stages, resulting in a potential mismatch of study results and stakeholders' needs and an escalation of assessment effort. In this practice review, we outline current challenges in the interplay of LCA, TEA, and TRL and present best practices for assessing early-stage climate change mitigation technologies in the field of carbon capture and utilization (CCU). The findings help practitioners systematically identify the TRL of a technology and adapt technology assessment methodologies accordingly. We highlight the methodological challenges for practitioners when adapting the goal and scope, identifying benchmark technologies, creating a comprehensive inventory, comparing early stage to commercial stage, ensuring clarity of recommendations for decision-making under high uncertainty, and streamlining conventional LCA and TEA assessment approaches and provide actionable recommendations. Overall, this work contributes to identifying promising technologies faster and more systematically, accelerating the development of new technologies for climate change mitigation and beyond.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».