Impact of direct air capture process flexibility and response to ambient conditions in net-zero transition of the power grid
Notice bibliographique
Résumé
Recent studies show that the cost of transitioning the power grid to a net-zero system could be reduced with the integration of direct air capture (DAC) of carbon dioxide as part of the portfolio of technologies. However, existing capacity expansion studies that model DAC assume that it has a constant capture rate, ignoring the ambient environmental conditions that are known to affect the DAC capture rate as well as geographical location. Furthermore, there are currently no studies that endogenously model DAC flexibility, especially the value of load-shifting in such a large-scale industrial process in capacity expansion optimization. This study develops a capacity expansion optimization model that integrates more realistic data on DAC’s response to ambient environmental conditions as well as DAC process flexibility. Results show that ignoring the impact of ambient environmental conditions leads to underestimation of the required cost, DAC capacity and renewable energy capacity to meet the net-zero goal. It is shown that when DAC capture rate data that has been computed as a function of ambient conditions is used, about 22.2%, 2.5% and 1.9% more DAC, wind and solar capacity, respectively, is required to meet net-zero requirements, relative to the often assumed 90% capture rate. Moreover, increasing the operational flexibility of DAC using material storage in silos was found to lower the cost of generation capacity expansion by lowering the DAC and renewable energy capacity needed to meet the net-zero target. These findings will be useful in improving the accuracy of net-zero transition plans that are focused on climate change mitigation.
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 | 0,001 |
| 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 ».