Optimizing industrial compressed air energy storage performance: A novel exergoeconomic framework via pressure-temperature dependent cost analysis
Notice bibliographique
Résumé
Over the past two decades, the assessment of Compressed Air Energy Storage (CAES) systems has gained significant attention for global sustainability. While research on material selection based on site conditions exists, a comprehensive framework for comparative analysis and guidance is lacking. This study explores the interplay of multi-stage compression and expansion in CAES plants, focusing on how industrial temperature classifications influence production costs. Three advanced adiabatic CAES (AA-CAES) systems — Low, Medium, and High-Temperature CAES (LTA-CAES, MTA-CAES, HTA-CAES) — are scrutinized via exergoeconomic. The outcomes highlighted the exergetic cost for HTA-CAES at 0.081 $/kWh, while MTA-CAES and LTA-CAES demonstrate lower exergetic costs of production at 0.076 $/kWh and 0.075 $/kWh, respectively. This cost disparity is a direct consequence of employing high-temperature materials in TES construction. Further granularity is added through an exploration of TES materials, revealing a critical trade-off between exergetic costs and materials. Solid TES materials demonstrate cost advantages over liquid counterparts at specific charging pressures. Subsequently, a multi-objective optimization identifies the MTA-temperature as the most beneficial range for optimal CAES installation. • The main highlights are as follow: • What is the effect of plant's multi-staging on materials and therefore cost? • Industrial-based Temperature Classes: Material Challenges and Cost Trade-offs. • Liquid and Solid TES Material analysis Exposing a Critical Trade-offs in Exergetic Costs. • Optimizing Plant Installments: Balancing Technical Performance and Cost Viability. • Introducing comprehensive equations, addressing underground storage and its salvage cost.
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) | 0,001 | 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 ».