Optimization of a Hydrogen Alternative Aviation Fuel Supply Chain Under Demand and Emissions Constraints - A Case Study of Canada
Notice bibliographique
Résumé
The potential of using hydrogen-based alternative aviation fuels, to meet national greenhouse gas (GHG) emissions reduction commitments was investigated using a mixed-integer-linear-program (MILP) optimization model that minimized the total energy consumed “energy intensity” for a hydrogen-based alternative aviation fuel supply chain. The model provided (i) optimal jet fuel blend ratios and, (ii) the number and types of hydrogen production plants that would meet forecasted demand and GHG reduction target constraints. The model was optimized for time horizons of 2035, 2050, 2065, and 2080 in Canada, assessing distribution and resilience scenarios. By 2065, two resilient hydrogen infrastructure pathways emerged: one with 556 polymer-exchange-membrane-electrolysis (PEM), 4 Nuclear-Solid Oxide Electrolysis (SOE), and 2 Steam Methane Reforming Carbon Capture and Storage (SMR-CCS) plants, and another with 24 Alkaline Electrolysis (AE), 7 Nuclear-SOE, and 6 SMR-CCS plants. The 2080 net-zero solution was not found using this model due to GHG emissions in hydrogen production.
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 | 0,000 | 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 ».