MétaCan
Menu
Retour à la cohorte
Enregistrement W4401250735 · doi:10.1007/s40831-024-00862-x

Hydrogen Production from Natural Gas Using Hot Blast Furnace Slag: Techno-economic Analysis and CFD Modeling

2024· article· en· W4401250735 sur OpenAlexafffund
Allan Runstedtler, Haining Gao

Notice bibliographique

RevueJournal of Sustainable Metallurgy · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueChemical Looping and Thermochemical Processes
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésHydrogen productionFluidized bedMethaneHydrogenSlag (welding)Waste managementNatural gasCombustionGround granulated blast-furnace slagChemistryEnvironmental scienceProcess engineeringMaterials scienceMetallurgyEngineeringFly ash

Résumé

récupéré en direct d'OpenAlex

Abstract A process for thermal decomposition of methane to hydrogen and solid carbon is presented and examined. It utilizes the high-temperature heat from the slag by-product of blast furnace ironmaking to drive a thermal decomposition reaction, making it a waste-heat-to-hydrogen technology. This is accomplished via dry granulation of molten slag that feeds a fluidized bed reactor to effect methane–slag contact. First, the proposed process and the heat and mass balances are presented. It is found that it could produce an amount of hydrogen that is equivalent to about 20% of the reductant, depending on the iron-to-slag ratio. Then, a techno-economic analysis investigates the capital and operating costs of the process, compares the hydrogen production cost to that of other processes, and examines cost sensitivity to the prices of process inputs and outputs. This analysis suggests that the process would be suitable for on-site hydrogen production and use within a plant. In addition, using the hot slag to drive the methane decomposition would reduce hydrogen production cost by 15% compared to combusting a portion of the natural gas itself. Finally, a computational fluid dynamics (CFD) modeling study of the fluidized bed reactor examines the thermal decomposition of methane and its dependence on reaction kinetics as well as reactor design and operation. The bed operated in the bubbling regime at an average temperature between 1020 and 1060 °C and resulted in as high as 82% conversion of the methane to hydrogen, with additional optimization still possible. Graphical Abstract

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,211
Écart entre enseignants0,205 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable MetallurgyMême sujetChemical Looping and Thermochemical ProcessesTravaux en français237 207