MétaCan
Menu
Retour à la cohorte
Enregistrement W4221083836 · doi:10.1002/ese3.1114

Development and assessment of renewable hydrogen production and natural gas blending systems for use in different locations

2022· article· en· W4221083836 sur OpenAlexaff
Fatih Sorgulu, İbrahim Dinçer

Notice bibliographique

RevueEnergy Science & Engineering · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésNatural gasEnvironmental scienceRenewable energyWaste managementPhotovoltaic systemCapital costFossil fuelHydrogen productionEnvironmental engineeringProcess engineeringHydrogenEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, a thermoeconomic assessment of renewable energy‐based hydrogen generation and blending it with natural gas in the existing pipeline system is performed for various locations. Selected locations are compared in energy content, environmental impact, and cost. In this regard, solar photovoltaic panels and wind turbines are integrated with electrolyzers along with the reverse osmosis units. The clean hydrogen produced by the electrolyzers is then blended with natural gas and utilized for residential applications in an environmentally benign way. Also, the heat required for a community consisting of 100 houses is provided by a boiler by hydrogen and natural gas blend as fuel. The costs of capital, fuel, operation and maintenance are calculated and comparatively evaluated. The results show that the total net present costs for the integrated systems are calculated to be between $3.01 million and $4.36 million in the selected five different locations. Furthermore, an environmental impact assessment is conducted in terms of carbon monoxide, carbon dioxide, nitrogen oxides, unburned hydrocarbons, and particulate matter. Finally, the CO2 emissions are calculated to be varying from 443.2 to 491.9 tons/year.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,016
Tête enseignante GPT0,231
Écart entre enseignants0,215 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Science & EngineeringMême sujetHybrid Renewable Energy SystemsTravaux en français237 207