MétaCan
Menu
Retour à la cohorte
Enregistrement W4280510986 · doi:10.1071/aj21168

Finding winners in the hydrogen hype

2022· article· en· W4280510986 sur OpenAlexaboutno aff
Prakash Chand Sharma, Flor Lucia De la Cruz, Jonathan Sultoon

Notice bibliographique

RevueThe APPEA Journal · 2022
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenewable energyElectrificationFossil fuelElectricityNatural resource economicsBusinessEnergy securityNatural gasWaste managementEnvironmental scienceEconomicsEngineering

Résumé

récupéré en direct d'OpenAlex

The global energy trade is set for its greatest transformation since the 1970s and the rise of OPEC (The Organization of the Petroleum Exporting Countries). Electrification is central to this as countries plough money into renewables to reduce emissions and enhance energy security. But electrification can take the world only so far. With higher carbon prices looming on the horizon, fossil fuel exporters and industrial sectors – as well as heavy-duty trucking, shipping and aviation – need alternatives to decarbonise. Most are looking to electricity-based fuels and feedstocks such as hydrogen, ammonia and methanol to replace hydrocarbons. This will revolutionise energy trade, with total trade declining by as much as 50% and virtually all remaining traded oil gas and coal being either completely decarbonised or backed by offsets. With 147 GWel (giga-watts electrolyser capacity) in announced projects, green hydrogen produced from renewable electricity is ahead of the game. And while its export supply chains are complex, requiring conversion into a ‘product’ to allow delivery, there is no exploration risk as in oil and gas projects. Worldwide, national hydrogen roadmaps are being passed, with virtually all oil and gas companies, utilities and industrials backing at least one hydrogen project. Focus is now shifting to future sources of hydrogen supply. Lenders will be drawn to locations with a proven track record of exporting natural resources, suitable conditions for low-cost renewable electricity and the potential for large-scale carbon capture. A few countries already stand out, but none more so than Australia. Using our proprietary research, we will present a case study evaluating hydrogen supply options from Australia, Saudi Arabia and Canada – delivered into key markets like Japan for different applications. We will also assess when costs will fall across the value chain – production, midstream and downstream – and reach parity to incumbent fuels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,952
Score d'incertitude au seuil0,698

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,022
Tête enseignante GPT0,234
Écart entre enseignants0,213 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe APPEA JournalMême sujetHybrid Renewable Energy SystemsTravaux en français237 207