MétaCan
Menu
Retour à la cohorte
Enregistrement W4404649307 · doi:10.1016/j.psep.2024.11.083

Efficient and low-emission approaches for cost-effective hydrogen, power, and heat production based on chemical looping combustion

2024· article· en· W4404649307 sur OpenAlexaff
Ali Akbar Darabadi Zare, Farzad Mohammadkhani, Mortaza Yari, Hossein Nami

Notice bibliographique

RevueProcess Safety and Environmental Protection · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueChemical Looping and Thermochemical Processes
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesUniversity of Tabriz
Mots-clésChemical looping combustionCombustionHydrogen productionHydrogenProduction (economics)Power (physics)Waste managementEnvironmental scienceProcess engineeringChemistryNuclear engineeringEngineeringThermodynamicsPhysicsEconomics

Résumé

récupéré en direct d'OpenAlex

Hydrogen production has recently attracted much attention as an energy carrier and sector integrator (i.e., electricity and transport) in future decarbonized smart energy systems . At the same time, power production is highly valued in energy systems as other sectors like transport and heating become electrified. This work compares two different low-emission systems to produce electricity, hydrogen and heat. The proposed systems are based on chemical looping combustion combined with biomass gasification (CLC-BG) and steam methane reforming (CLC-SMR), both benefiting from heat integration between chemical looping combustion and downstream processes. A full process simulation is carried out in Aspen Plus for both systems and detailed modeling is performed for chemical looping combustion. The overall thermal efficiency is calculated to be 71.1 % for CLC-BG and 76.4 % for CLC-SMR. Co-feeding methane into the biomass gasification process of CLC-BG leads to an enhanced overall efficiency. In comparison to CLC-BG, CLC-SMR exhibits greater potential in terms of power and hydrogen generation , resulting in a higher exergy efficiency of 58.3 % as opposed to 44.6 %. Assuming market prices of 5.2 USD/GJ for biomass and 9.1 USD/GJ for natural gas, the lowest minimum hydrogen sale price is estimated to be 4 USD/kg for CLC-SMR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,399
Score d'incertitude au seuil0,731

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,197
Écart entre enseignants0,188 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcess Safety and Environmental ProtectionMême sujetChemical Looping and Thermochemical ProcessesTravaux en français237 207