MétaCan
Menu
Retour à la cohorte
Enregistrement W4322211801 · doi:10.1002/ese3.1434

Decarbonization potential of future sustainable propulsion—A review of road transportation

2023· article· en· W4322211801 sur OpenAlexaff
Xiao Yu, Simon Leblanc, Navjot Singh Sandhu, Linyan Wang, Meiping Wang, Ming Zheng

Notice bibliographique

RevueEnergy Science & Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésGreenhouse gasHydrogen vehicleAutomotive engineeringRenewable energyZero emissionPropulsionGreen vehicleInternal combustion engineEnvironmental scienceElectric vehicleCarbon neutralityElectricityFuel efficiencyHydrogen fuelEngineeringWaste managementElectrical engineeringAerospace engineeringPower (physics)Fuel cells

Résumé

récupéré en direct d'OpenAlex

Abstract Modern automotive propulsion technologies must achieve the highest CO 2 reduction potential quickly to abide by the requirements of the Paris Climate Agreement. A collective utilization of renewable fuels, e‐fuels, hydrogen, and electrical energy will be able to meet different mobility and transport requirements in an optimal and CO 2 ‐neutral approach. The well‐to‐wheel greenhouse gas emissions of a propulsion system are determined by two factors, that is, the energy efficiency of the system and the carbon intensity of the energy source. Regardless of the CO 2 emission generated during the battery manufacturing and recycling process, the carbon intensity of the battery electric vehicles during operation is mainly decided by the carbon intensity of the electricity being consumed. The relatively low fleet ratios of battery electric and hydrogen‐powered vehicles and the massive remaining useful life of current internal combustion engine vehicle stock limit their impact on decarbonization in the near term. The expansion of charging infrastructure requires significant acceleration for the success of large‐scale and rapid electric vehicle adoption. For internal combustion engines, the focus is to further improve energy efficiency and the adoption of low‐to‐zero carbon renewable fuels. Hybrid and plug‐in hybrid vehicles are demonstrating the advantages of combining state‐of‐the‐art technologies to reduce both energy consumption and carbon emissions. In this review, the present status of propulsion systems is reviewed in detail, considering both the market penetration and well‐to‐wheel carbon emissions. The decarbonization potentials of various propulsion systems are then discussed.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,004
Tête enseignante GPT0,223
Écart entre enseignants0,219 · 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

Citations56
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Science & EngineeringMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207