MétaCan
Menu
Retour à la cohorte
Enregistrement W4406902670 · doi:10.1016/j.resconrec.2025.108134

Environmental implications of solid oxide fuel cell system for hydrogen sustainability

2025· article· en· W4406902670 sur OpenAlexaff
Xinmiao Wei, Shivom Sharma, Arthur Waeber, Du Wen, Manuele Margni, François Maréchal, Jan Van herle

Notice bibliographique

RevueResources Conservation and Recycling · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvancements in Solid Oxide Fuel Cells
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésSustainabilitySolid oxide fuel cellWaste managementFuel cellsEnvironmental scienceHydrogenBusinessNatural resource economicsEngineeringChemistryChemical engineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Hydrogen, known for its high energy content and clean combustion, is promising in the energy transition. This study explores the environmental impact of a solid oxide fuel cell (SOFC) system. 1 kg of hydrogen production at 1 bar serves as the functional unit. The SOFC system generates hydrogen, electricity, and heat across five modes. Results indicate that the SOFC system achieves a global warming potential of 0.17–9.50 kg CO 2 -eq/FU using the system expansion method. Regional analysis shows that areas with high renewable electricity shares experience increased CO 2 emissions due to functional unit decision. The exergy allocation method is less sensitive to electricity sources and seasonal emission profiles than system expansion. Comparing eight production routes, the SOFC system using biomethane (−5.46 kg CO 2 -eq/FU) outperforms steam methane reforming (11 kg CO 2 -eq/FU) and biomass gasification (1.49 kg CO 2 -eq/FU). These insights are valuable for advancing renewable energy initiatives and effectively mitigating climate change. • Study a novel SOFC system design that generates electricity, hydrogen, and heat. • Details LCA results for climate change, ecosystem quality and human health impacts. • Evaluates emissions using different electricity sources, fuel types, and profiles. • Highlights benefits of system expansion and exergy allocation in LCA multifunctionality. • Provides new insight on hydrogen categorization against conventional methods.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,056
Score d'incertitude au seuil0,414

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 Opus0,011
Tête enseignante GPT0,271
Écart entre enseignants0,260 · 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

Citations13
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResources Conservation and RecyclingMême sujetAdvancements in Solid Oxide Fuel CellsTravaux en français237 207