Hydrogen production in integration with CCUS: A realistic strategy towards net zero
Notice bibliographique
Résumé
It is believed that hydrogen will play an essential role in energy transition and achieving the net-zero target by 2050. Currently, global hydrogen production mostly relies on processing fossil fuels such as coal and natural gas, commonly referred to as grey hydrogen production while releasing substantial amounts of carbon dioxide (CO 2 ). Developing economically and technologically viable pathways for hydrogen production while eliminating CO 2 emissions becomes paramount. In this critical review, we examine the common grey hydrogen production techniques by analyzing their technical characteristics, production efficiency and costs. We further analyze the integration of carbon capture, utilization and storage (CCUS) technology, establishing the zero-carbon strategy transiting from grey to blue hydrogen production with CO 2 capture and either utilized or permanently stored. Today, grey hydrogen production exhibits technological diversities, with various commercial maturities. Most methods rely on the effectiveness of catalysts, necessitating a solution to address catalyst fouling and sintering in practice. Although CCUS captures, utilizes or stores CO 2 during grey hydrogen production, its wide application faces multiple challenges regarding the technological complexity, cost, and environmental benefits. It is urgent to develop technologically mature, low-cost and low-energy-consumption CCUS technology, implementing extensive, large-scale integrated pilot projects. • Analyze the value chain of hydrogen production integrated with carbon capture, utilization and storage • Discuss novel techniques on the development of catalyst performance for hydrogen production • Analyze different carbon capture methods specifically for hydrogen production contexts • Conduct techno-economic analysis of hydrogen production integrated with carbon capture, utilization and storage
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».