Cost and Life Cycle Emissions of Ethanol Produced with an Oxyfuel Boiler and Carbon Capture and Storage
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Decarbonization of transportation fuels represents one of the most vexing challenges for climate change mitigation. Biofuels derived from corn starch have offered modest life cycle greenhouse gas (GHG) emissions reductions over fossil fuels. Here we show that capture and storage of CO 2 emissions from corn ethanol fermentation achieves ∼58% reduction in the GHG intensity (CI) of ethanol at a levelized cost of 52 $/tCO 2 e abated. The integration of an oxyfuel boiler enables further CO 2 capture at modest cost. This system yields a 75% reduction in CI to 15 gCO 2 e/MJ at a minimum ethanol selling price (MESP) of $2.24/gallon ($0.59/L), a $0.31/gallon ($0.08/L) increase relative to the baseline no intervention case. The levelized cost of carbon abatement is 84 $/tCO 2 e. Sensitivity analysis reveals that carbon-neutral or even carbon-negative ethanol can be achieved when oxyfuel carbon capture is stacked with low-CI alternatives to grid power and fossil natural gas. Conservatively, fermentation and oxyfuel CCS can reduce the CI of conventional ethanol by a net 44–50 gCO 2 /MJ. Full implementation of interventions explored in the sensitivity analysis would reduce CI by net 79–85 gCO 2 /MJ. Integrated oxyfuel and fermentation CCS is shown to be cost-effective under existing U.S. policy, offering near-term abatement opportunities.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».