MétaCan
Menu
Retour à la cohorte
Enregistrement W4405839020 · doi:10.1016/j.enconman.2024.119449

Enabling large-scale enhanced hydrogen production in deep underground coal gasification in the context of a hydrogen economy

2024· article· en· W4405839020 sur OpenAlexaff
Zixiang Wei, Liangliang Jiang, Aliakbar Hassanpouryouzband, Shanshan Chen, Yanpeng Chen, Yiwen Ju, Lele Feng, Kouqi Liu, Jiansheng Zhang, Zhangxin Chen, S.M. Farouq Ali

Notice bibliographique

RevueEnergy Conversion and Management · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Gasification Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésHydrogen productionHydrogen economyContext (archaeology)Coal gasificationCoalHydrogenWaste managementScale (ratio)Production (economics)Underground coal gasificationEnvironmental scienceProcess engineeringEngineeringChemistryEconomicsGeologyPhysics

Résumé

récupéré en direct d'OpenAlex

• A large-scale deep coal seam UCG model with real-world properties was constructed; • The mechanisms for large-scale enhanced hydrogen production were comprehensively investigated; • Water injection schemes were analyzed for optimal hydrogen production; • Proposed a novel technique for prolonged continuous hydrogen yield; • Revealed the advantages of the new technique in cavity control with environmental merits; Underground coal gasification (UCG) is an emerging clean energy technology with significant potential for enhanced hydrogen production, especially when coupled with water injection. Previous lab-scale studies have explored this potential, but the mechanisms driving water-assisted hydrogen enhancement in large-scale, deep UCG settings remain unclear. This study addresses this gap using numerical simulations of a large-scale deep coal model designed for hydrogen-oriented UCG. We investigated single-point and multipoint water injection strategies to optimize hydrogen production. Additionally, we developed a retractable water injection technique to ensure sustained hydrogen output and effective cavity control. Our results indicate that the water–gas shift reaction is crucial for increasing hydrogen production. Multipoint injection has been proven to be more effective than single-point injection, increasing hydrogen production by 11% with an equal amount of steam. The introduction of retractable injection allows for continuous and efficient hydrogen generation, with daily hydrogen production rates of approximately five times that of a conventional injection scheme, and an increase in cumulative hydrogen production of approximately 105% over the same time period. Importantly, the multipoint injection method also helped limit vertical cavity growth, mitigating the risk of aquifer contamination. These findings support the potential of UCG as a low-carbon energy source in the transition to a hydrogen economy.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,203
Écart entre enseignants0,194 · 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'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

Citations28
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy Conversion and ManagementMême sujetMining and Gasification TechnologiesTravaux en français237 207