Hydrogen energy systems for decarbonizing smart cities and industrial applications: A review
Notice bibliographique
Résumé
Hydrogen is increasingly recognized as a key energy vector for achieving deep decarbonization across urban and industrial sectors. Supporting global efforts to reduce greenhouse gas (GHG) emissions and achieve the Sustainable Development Goals (SDGs), it is essential to understand the multi-sectoral role of the hydrogen value chain, spanning production, storage, and end-use applications, with particular emphasis on smart city systems and industrial processes. Green hydrogen production technologies, including alkaline water electrolysis (AWE), proton exchange membrane (PEM) electrolysis, anion exchange membrane (AEM) electrolysis, and solid oxide electrolysis cells (SOECs), are evaluated in terms of efficiency, scalability, and integration potential. Storage pathways are examined across physical storage (compressed gas, cryo-compressed, and liquid hydrogen), material-based storage (solid-state absorption in metal hydrides and chemical carriers such as LOHCs and ammonia), and geological storage (salt caverns, depleted gas reservoirs, and deep saline aquifers), highlighting their suitability for urban and industrial contexts. In the smart city domain, hydrogen is analyzed as an enabler of zero-emission transportation, low-carbon residential and commercial heating, and renewable-integrated smart grids with long-duration storage capabilities. System-level studies demonstrate that coordinated integration of these applications can deliver higher overall energy efficiency, deeper reductions in life-cycle GHG emissions, and improved resilience of urban energy systems compared with sector-specific approaches. Policy frameworks, safety standards, and digitalization strategies are reviewed to illustrate how hydrogen infrastructure can be embedded into interconnected urban energy systems. Furthermore, industrial applications focus on hydrogen’s potential to decarbonize energy-intensive processes and enable sector coupling between electricity, heat, and manufacturing. The environmental implications of hydrogen deployment are also considered, including resource efficiency, life-cycle emissions, and ecosystem impacts. In contrast to reviews addressing isolated aspects of hydrogen technologies, this study synthesizes technological, infrastructural, and policy dimensions, integrating insights from over 400 studies to highlight the multifaceted role of hydrogen in sustainable urban development and industrial decarbonization, and the added benefits achievable through coordinated, cross-sector deployment strategies.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».