<scp>CO<sub>2</sub></scp> utilization for methanol production; Optimal pathways with minimum <scp>GHG</scp> reduction cost
Notice bibliographique
Résumé
Abstract Mitigating CO 2 emissions from industries and other sectors of our economy is a critical component of building a sustainable economy. This paper investigates two different methanol synthesis routes based on CO 2 utilization (CO 2 capture and utilization [CCU], and tri‐reforming of methane [TRM]), and compares the results with the conventional methanol production using natural gas as the feedstock (NG‐MeOH). A comprehensive techno‐economic analysis (TEA) model that includes the findings of the life cycle assessment (LCA) models of methanol production using various CO 2 utilization pathways is conducted. Economic analysis is conducted by developing a cost model that is connected to the simulation models for each production route. Compared to the conventional process (with a GHG emission of 0.6 kg CO 2 /kg MeOH), the lifecycle GHG reduction of 1.75 and 0.41 kg CO 2 /kg MeOH are achievable in the CCU and TRM pathways, respectively. Furthermore, the results indicate that, under current market conditions and hydrogen production costs, methanol production via CO 2 hydrogenation will result in a cost approximately three times higher than that of the conventional process. The integrated TEA–LCA model shows that this increased cost of production equates to a required life cycle GHG reduction credit of $279 to $422 per tonne of CO 2 utilized, depending on construction material and selected pathway. Additionally, when compared to the CO 2 hydrogenation route, the tri‐reforming process (TRM‐MeOH) can result in a 42% cost savings. Furthermore, a minimum financial support of $56 per tonne utilized CO 2 will be required to make the TRM‐MeOH process economically viable.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».