Systematic approach to the design, modeling, and techno-economic-environmental analysis of CO2 capture technologies as part of the National CCUS Assessment Framework (NCAF)
Notice bibliographique
Résumé
Given the commitment to reaching net-zero emissions by 2050, the deployment of carbon capture, utilization, and storage (CCUS) technologies will be instrumental in reaching gigatonne-scale CO 2 mitigation. High costs driven by economies of scale, CO 2 partial pressures, and large energy demands, along with need for substantial new CO 2 transportation and storage infrastructure, are key barriers to large-scale the deployment of CCUS. This paper introduces the overall National CCUS Assessment Framework (NCAF) platform and its key elements to provide context on how it can be utilized to facilitate strategic planning of CCUS infrastructure at the regional to national scale. The NCAF platform, comprised of 5 components, combines rigorous datasets, costing and life cycle assessment (LCA) methods, optimization models, and visualization methods across the whole CCUS value chain. This paper focuses on the CO 2 Capture Modeling and Costing/LCA Tool providing details on overall approach, development steps, and the application of the techno-economic-environmental machine learning (ML) models to industry archetypes. Preliminary sensitivity and industry analysis show the robustness of the ML models, providing quick and accurate costs and environment burdens. Key parameters including flue gas flow rate and composition, capture rate, and product CO 2 pressure are explored, highlighting the ideal operating conditions when considering solvent-based post-combustion CO 2 capture. An exploratory analysis of over 300 Canadian emitting facilities provides practical information about how costs and overall global warming potential (GWP) vary between industry type, facility location, and production scale. Subsequent studies will focus on large-scale case studies to simultaneously determine and minimize the total cost of the entire CCUS value chain – CO 2 capture, transport, 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 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 | 0,016 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».