Advancing Hybrid Cryogenic Natural Gas Systems: A Comprehensive Review of Processes and Performance Optimization
Notice bibliographique
Résumé
Recent research in the liquefied natural gas (LNG) industry has concentrated on reducing specific power consumption (SPC) during production, which helps to lower operating costs and decrease the carbon footprint. Although reducing the SPC offers benefits, it can complicate the system and increase investment costs. This review investigates the thermodynamic parameters of various natural gas (NG) liquefaction technologies. It examines the cryogenic NG processes, including integrating NG liquid recovery plants, nitrogen rejection cycles, helium recovery units, and LNG facilities. It explores various approaches to improve hybrid NG liquefaction performance, including the application of optimization algorithms, mixed refrigerant units, absorption refrigeration cycles, diffusion–absorption refrigeration systems, auto-cascade absorption refrigeration processes, thermoelectric generator plants, liquid air cold recovery units, ejector refrigeration cycles, and the integration of renewable energy sources and waste heat. The review evaluates the economic aspects of hybrid LNG systems, focusing on specific capital costs, LNG pricing, and capacity. LNG capital cost estimates from academic sources (173.2–1184 USD/TPA) are lower than those in technical reports (486.7–3839 USD/TPA). LNG prices in research studies (0.2–0.45 USD/kg, 2024) are lower than in technical reports (0.3–0.7 USD/kg), based on 2024 data. Also, this review investigates LNG accidents in detail and provides valuable insights into safety protocols, risk management strategies, and the overall resilience of LNG operations in the face of potential hazards. A detailed evaluation of LNG plants built in recent years is provided, focusing on technological advancements, operational efficiency, and safety measures. Moreover, this study investigates LNG ports in the United States, examining their infrastructures, regulatory compliance, and strategic role in the global LNG supply chain. In addition, it outlines LNG’s current status and future outlook, focusing on key industry trends. Finally, it presents a market share analysis that examines LNG distribution by export, import, re-loading, and receiving markets.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».