Assessing the cost and resource requirements of converting carbon dioxide into synthetic aviation fuels
Notice bibliographique
Résumé
Abstract Aviation requires energy-dense fuels and global coordination, making its emissions hard to abate. Here, we model a power-to-liquids process that produces sufficient aviation fuel to meet Canada’s monthly demand from 2025 to 2050. It begins with the steady-state production of syngas through the high temperature co-electrolysis of CO 2 and water. Established petrochemical processes are then used to preferentially produce aviation turbine fuel. The primary inputs into the system are a steady supply of CO 2 , water, and electrical energy. Resource requirements, costs, and net emissions are calculated and compared across six Canadian provinces with energy systems that differ in their electricity costs and grid emission factors. Several aviation demand scenarios are considered: in the highest-growth scenario, the process requires more electricity in 2050 (664 TWh) than Canada generated in 2019 (640 TWh). Water consumption in 2025 ranges from 12 to 22 Mt across scenarios and grows 1.2 to 1.6 times by 2050. Across scenarios, median levelized costs of jet fuel range from 30 to 70 CAD/gal if the plant is deployed today but sized to meet Canada’s 2050 aviation fuel demand. If the plant’s utilization rate is maintained at 85% throughout, these costs fall to the range of 20 to 42 CAD/gal. Our numbers are higher than existing studies which integrate projected costs for capital equipment, lower energy costs, by-product sales, and more established technologies. An electricity emission factor of 0.03 kgCO2 kWh −1 is required for a net-zero process, meaning that net-negative system emissions can be achieved when electricity provision is especially clean, such as that produced by some Canadian provincial grids.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».