Modeling hydrogen markets: Energy system model development status and decarbonization scenario results
Notice bibliographique
Résumé
Hydrogen can be used as an energy carrier and chemical feedstock to reduce greenhouse gas emissions, especially in difficult-to-decarbonize markets such as medium- and heavy-duty vehicles, aviation and maritime, iron and steel, and the production of fuels and chemicals. Significant literature has been accumulated on engineering-based assessments of various hydrogen technologies, and real-world projects are validating technology performance at larger scales and for low-carbon supply chains. While energy system models continue to be updated to track this progress, many are currently limited in their representation of hydrogen, and as a group they tend to generate highly variable results under decarbonization constraints. The present work provides insights into the development status and decarbonization scenario results of 15 energy system models participating in study 37 of the Stanford Energy Modeling Forum (EMF37). The models and scenario results vary widely in multiple respects: hydrogen technology representation, scope and type of hydrogen end-use markets, relative optimism of hydrogen technology input assumptions, and market uptake results reported for 2050 under various decarbonization assumptions. Most models report hydrogen market uptake increasing with decarbonization constraints, though some models report high carbon prices being required to achieve these increases and some find hydrogen does not compete well when assuming optimistic assumptions for all advanced decarbonization technologies. Across various scenarios, hydrogen market success tends to have an inverse relationship to success with direct air capture (DAC) and carbon capture and storage (CCS) technologies. While most model-scenario combinations predict modest hydrogen uptake by 2050 - less than 10 MMT - aggregating the top 10% of market uptake results across sectors suggests an upper range demand potential of 42-223 MMT. The high degree of variability across both modeling methods and market uptake results suggests that increased harmonization of both input assumptions and subsector competition scope would lead to more consistent results across energy system models.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».