The development of an analysis framework for the integration of low-carbon hydrogen into multi-regional natural gas energy systems
Notice bibliographique
Résumé
In 2023, global carbon dioxide emissions reached 40 billion tonnes, 60 % more than in 1990, intensifying climate concerns. This study explores hydrogen-natural gas blending as a transitional strategy for decarbonization across several regions and energy sectors – residential, commercial, industrial, and agricultural. A multi-regional analysis framework evaluates integration of 20 % by volume low-carbon hydrogen blending into natural gas systems, by identifying hydrogen producers, importers, and exporters based on production and import costs. Applied to Canada, 528 scenarios (2026–2050) assess inter-regional hydrogen trade within Canadian provinces. The lowest-cost scenario involves Alberta exporting hydrogen produced through autothermal reforming with 91 % carbon capture and storage and British Columbia producing its own. The grid electrolysis scenario achieves the highest GHG reductions, with a 4.5 % GHG mitigation in Canada with full energy system representation. These findings provide insights for policymakers and stakeholders in advancing hydrogen infrastructure and decarbonization strategies. • A multi-regional framework for low carbon H 2 trade and energy end-use is developed. • Regions optimized for H 2 production and inter-regional import/export. • Diverse energy systems with 20 % by vol. low-carbon H 2 -natural gas blending. • ATR-CCS gives lowest cost H 2 ; grid electrolysis offers highest GHG mitigation. • For optimal GHG abatement cost, region traits favor ATR-CCS.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».