MétaCan
Menu
Retour à la cohorte
Enregistrement W4296252803 · doi:10.3390/app12189361

Underwater Compressed Gas Energy Storage (UWCGES): Current Status, Challenges, and Future Perspectives

2022· article· en· W4296252803 sur OpenAlexaff
Hu Wang, Zhiwen Wang, Chengyu Liang, Rupp Carriveau, David S.‐K. Ting, Peng Li, Haoyang Cen, Wei Xiong

Notice bibliographique

RevueApplied Sciences · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOcean Acidification Effects and Responses
Établissements canadiensUniversity of CalgaryUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésUnderwaterEnvironmental scienceCompressed natural gasEnergy storageCurrent (fluid)Fossil fuelCompressed air energy storageCompressed airComputer scienceEngineeringWaste managementOceanographyMechanical engineeringElectrical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Underwater compressed air energy storage was developed from its terrestrial counterpart. It has also evolved to underwater compressed natural gas and hydrogen energy storage in recent years. UWCGES is a promising energy storage technology for the marine environment and subsequently of recent significant interest attention. However, it is still immature. In this study, the latest progress in both academic and industrial fields is summarized. Additionally, challenges facing this emerging technology are analyzed. The pros and cons of UWCGES are provided and are differentiated from the terrestrial variant. Technical, economic, environmental, and policy challenges are examined. In particular, the critical issues for developing artificial large and ultra-large underwater gas storage accumulators and effective underwater gas transportation are comprehensively analyzed. Finally, the demand for marine energy storage technology is briefly summarized, and the potential application scenarios and application modes of underwater compressed gas energy storage technology are prospected. This study aims to highlight the current state of the UWCGES sector and provide some guidance and reference for theoretical research and industrial development.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,021
Tête enseignante GPT0,224
Écart entre enseignants0,202 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetOcean Acidification Effects and ResponsesTravaux en français237 207