Comparing seawater desalination technologies for green hydrogen production: Reverse Osmosis and Multi-Effect Distillation
Notice bibliographique
Résumé
Due to increasing global energy demands and a need to move away from non-renewable energy sources, green hydrogen is now being considered as a possible replacement for fossil-based energy sources. Especially in “hard-to-abate” sectors, such as steel and petrochemical production, and long-distance transport, where the change to renewable electricity is more difficult. Green hydrogen is produced through electrolysis of water and powered by renewable energy sources. The water quality demand for the electrolysis feedwater is high, and wa-ter of very high purity is required. Meanwhile, there are also challenges with water supply and demand in many regions of the world, but by using desalination to purify seawater for electrolysis it is possible to avoid the need to compete for groundwater with other water-demanding sectors. The most common desalination technology on commercial scale is the membrane technolo-gy Reverse Osmosis (RO), due to its relatively low energy demand and high reliability. Thermal desalination technologies such as multi-effect distillation (MED) are used less, due to high thermal energy demand. The electrolysis process does however produce waste heat, and Alfa Laval would like to utilise this heat to power their MED system HyDuo and simultaneously provide cooling to the electrolysis systems. Thus, this study aims to investigate and compare the Alfa Laval HyDuo system with RO system, to evaluate whether the HyDuo can compete with the established RO systems considering costs and process requirements.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».