MétaCan
Menu
Retour à la cohorte
Enregistrement W4413754449 · doi:10.1021/acs.energyfuels.5c01825

Innovative Wind-Powered System for Liquid Fuel Production: Integrating Carbon Capture and Hydrogen Storage

2025· article· en· W4413754449 sur OpenAlexafffund
Bahram Ghorbani, Sohrab Zendehboudi, Zahra Alizadeh Afrouzi, Aliakbar Roosta, Nima Rezaei, Noori M. Cata Saady

Notice bibliographique

RevueEnergy & Fuels · 2025
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMemorial University of NewfoundlandMitacsGovernment of Canada
Mots-clésHydrogen productionCarbon fibersHydrogen storageProduction (economics)Environmental scienceCarbon capture and storage (timeline)Process engineeringHydrogenLiquid fuelWaste managementComputer scienceChemistryEngineeringClimate changeCombustion

Résumé

récupéré en direct d'OpenAlex

As global temperature rises and underground resources decrease, governments are increasingly encouraged to develop alternative fuels and and to mitigate polluting sources. Power-to-liquid (PtL) technologies utilizing renewable energy provide an effective solution for hydrogen (H 2 ) production, carbon dioxide (CO 2 ) capture, and liquid fuel generation, contributing to the achievement of net-zero emission targets. An optimized PtL system with waste heat recovery reduces design complexity, capital cost, external heat dependence, and environmental impacts. This study introduces a novel PtL configuration for the production and storage of H 2 and CO 2 in the form of liquefied fuels, including liquid methane, liquid H 2, formic acid, and methanol. The wind-based PtL structure comprises various subsystems, including amine-based carbon capture and proton exchange membrane electrolysis for H 2 production. Storage subsystems encompass methanol synthesis, artificial methane production, formic acid generation, and liquefaction facilities. Pinch, exergy, economic, consequence, and optimization analyses are employed to evaluate the performance of the proposed system. The energy and exergy efficiencies of the hybrid processes are 59.91% and 50.97%, respectively. The economic analysis reveals a levelized cost of liquefied H 2 at 2.705 US$/kg and an investment return period of 6.505 y. Sensitivity analysis, machine learning, multiobjective optimization, and decision-support frameworks are utilized to determine the optimal operating conditions. The exergy efficiency, investment return period, and CO 2 absorption rate determined using the three-objective genetic algorithm and fuzzy approach from the Pareto front are obtained as 0.5404, 3.235 y, and 12,098 t/y, respectively. The consequences of small leakage, fixed-duration release, and complete rupture of the product storage vessels are analyzed, and safe distances are determined.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,406
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,009
Tête enseignante GPT0,225
Écart entre enseignants0,216 · 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.

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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetHybrid Renewable Energy SystemsTravaux en français237 207