Local-Scale Framework for Techno-Economic Analysis of Subsurface Hydrogen Storage
Notice bibliographique
Résumé
The energy sector is evolving toward increased reliance on renewable energy technologies to meet state, national, and organization decarbonization goals. This trend is creating challenges and opportunities with meeting current and future energy demand under the variable supply conditions that most renewables provide. Hydrogen (H2) is a promising energy carrier that may meet the need for both on-demand and long-duration storage to maintain energy security and resilience. Underground hydrogen storage (UHS) is a method of storing H2 in subsurface geological systems, such as depleted hydrocarbon reservoirs, salt caverns, saline aquifers, hard rock, and other engineered systems. UHS has the potential to store large quantities of H2 over time, providing a reliable source of energy while minimizing surface footprints at a lower investment cost compared to surface storage. Earlier work estimated that, if converted and retrofitted, existing underground natural gas storage (UGS) facilities in the U.S. can store approximately 327 TWh, or 9.8 million metric tons, of pure H2. However, a shift to pure H2 would decrease the collective working-gas energy of the UGS facilities by approximately 75% due to physical and chemical differences between natural gas and hydrogen. The same work also suggests that almost 75% of the existing UGS facilities in the U.S. could maintain current energy demand buffering using a blend of only 20% H2 to 80% natural gas, by volume at surface conditions. If we can take advantage of the suite of mature technologies of existing UGS facilities and natural gas utility systems to accelerate the transition to a hydrogen economy in the U.S., a 20% H2 blend could lead to a 6-7% reduction of greenhouse gas emissions for energy delivered through natural gas utility systems.
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 | 0,000 |
| 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) | 0,019 | 0,001 |
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.
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 ».