2030 Ambitions for Hydrogen, Clean Hydrogen, and Green Hydrogen
Notice bibliographique
Résumé
Hydrogen production has been dominated by gray hydrogen (hydrogen produced from fossil fuels without carbon capture). Historical data for 2019–2021 show nearly steady global production of and demand for hydrogen, with an annual average of 92 Mt (million tonnes) for each. Both global hydrogen production and demand are expected to grow to 180 Mt in 2030 in compliance with the Net-Zero Emissions by 2050 (NZE) scenario of the International Energy Agency (IEA), which aims to bring CO2 emissions down to net zero by 2050. Recently, green hydrogen (hydrogen produced via water electrolysis using electricity from renewables) has received increased attention, with the 11 countries (Australia, the United States, Spain, Canada, Chile, Egypt, Germany, India, Brazil, Oman, and Morocco) identified as top producers expected to produce 15.9534 Mt altogether in 2030. All of these countries, except Spain, Canada, and Germany, were classified by the global Hydrogen Council as having optimal green hydrogen production potential. Blue hydrogen (hydrogen produced from fossil fuels with carbon capture) and green hydrogen together constitute clean hydrogen. The share of clean hydrogen in global total final energy consumption (TFEC) was less than 0.1% in 2020. In alignment with the 1.5 °C pathway of the International Renewable Energy Agency (IRENA), which aims to limit the global average temperature rise to 1.5 °C above pre-industrial levels, this share should grow to 3% in 2030 and 12% in 2050, with the aim of producing 154 Mt of clean hydrogen and its derivatives in 2030 (and 614 Mt in 2050) compared to only 0.8 Mt in 2020.
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) | 0,000 | 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 ».