From Curtailed Renewable Energy to Green Hydrogen: Infrastructure Planning for Hydrogen Fuel-Cell Vehicles
Notice bibliographique
Résumé
Problem definition: Hydrogen fuel-cell vehicles (HFVs) have been proposed as a promising green transportation alternative. For regions experiencing renewable energy curtailment, promoting HFVs can achieve the dual benefit of reducing curtailment and developing sustainable transportation. However, promoting HFVs faces several major hurdles, including uncertain vehicle adoption, the lack of refueling infrastructure, the spatial mismatch between hydrogen demand and renewable sources for hydrogen production, and the strained power transmission infrastructure. In this paper, we address these challenges and study how to promote HFV adoption by deploying HFV infrastructure and utilizing renewable resources. Methodology/results: We formulate a planning model that jointly determines the location and capacities of hydrogen refueling stations (HRSs) and hydrogen plants as well as electricity transmission and grid upgrade. Despite the complexity of explicitly considering drivers’ HFV adoption behavior, the bilevel optimization model can be reformulated as a tractable mixed-integer second-order cone program. We apply our model calibrated with real data to the case of Sichuan, a province in China with abundant hydro resources and a vast amount of hydropower curtailment. Managerial implications: We obtain the following findings. (i) The optimal deployment of HRSs displays vastly different spatial patterns depending on the HFV adoption target. The capital city, a transportation hub, is excluded from the plan under a low target and only emerges as the center of HFV adoption under a high target. (ii) Promoting the HFV adoption can overall help reduce hydropower curtailment, but the effectiveness depends on factors such as the adoption target and the grid upgrade cost. (iii) Being a versatile energy carrier, hydrogen can be transported to various locations, which allows for strategic placement of HRSs in locations distinct from hydrogen plant sites. This flexibility offers HFVs greater potential cost savings and curtailment reduction compared with other alternative fuel vehicles (e.g., electric vehicles) under current cost estimates. Funding: W. Qi acknowledges the support from the National Natural Science Foundation of China [Grants 72242106, 72188101, and 72272014] and the Natural Sciences and Engineering Research Council of Canada [Grant RGPIN-2019-04769]. Supplemental Material: The online appendix is available at https://doi.org/10.1287/msom.2022.0381 .
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 source (Gemma direct ou Codex distillé), 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 ».