← 論文一覧に戻る

SMR水素のオンサイト脱炭素化：ブルー・グリーン水素優位性に向けたエクセルギー・機械学習の比較フレームワーク

In Situ Decarbonization of SMR Hydrogen: A Comparative Exergy - Machine Learning Framework for Blue and Green Hydrogen Ascendancy (原題)

(著者不明)

Engineering Headway2026-09-09#水素経営インパクト: コスト削減対象セクター: power
DOI: 10.4028/p-d9rshb
原典: https://doi.org/10.4028/p-d9rshb
📄 PDF

🤖 gxceed AI 要約

日本語

製油所の実稼働SMR-PSA装置の熱・物質収支データを用い、エクセルギー解析と機械学習を組み合わせてCO₂回収と水素製造効率を評価した。PSAのサイクル動態やパージガス変動、燃料統合フィードバックを反映し、ブルー水素レトロフィットの実現性とグリーン水素移行の判断を支援する。解釈可能なモデルが主要運転因子を特定し、製油所固有の脱炭素意思決定を可能にする。

English

Using in-situ heat and material balance data from an operating SMR-PSA unit, this study combines exergy analysis with machine learning to assess CO2 capture and hydrogen-production efficiency under real refinery conditions. It captures cycle-resolved PSA dynamics, purge-gas variability, and fuel-integration feedbacks that idealized models miss, clarifying the feasibility of blue-hydrogen retrofits and the path to green hydrogen. Interpretable models identify key operational drivers for refinery-specific decarbonization decisions.

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

📝 gxceed 編集解説 — Why this matters

日本のGX文脈において

製油所の水素ネットワーク脱炭素は、日本のGX政策（水素基本戦略、GX推進法）やSSBJのScope1/2開示、投資家のトランジション評価に直結する。実機データに基づくブルー水素レトロフィット評価は、国内製油所の移行計画策定に有用な知見を提供する。

In the global GX context

Refinery hydrogen decarbonization sits at the core of global transition finance and ISSB/CSRD Scope 1-2 disclosure, where hard-to-abate industrial CO2 sources face tightening carbon liabilities toward 2030. This work bridges idealized models and real SMR-PSA operation, offering a replicable framework for blue-hydrogen retrofit feasibility that informs transition plans and carbon-capture investment decisions worldwide.

👥 読者別の含意

🔬研究者:実機SMR-PSAデータとMLを統合した脱炭素評価手法として、水素・CCUS研究の新たなベンチマークを提供する。

🏢実務担当者:自社製油所のブルー水素レトロフィットやCO₂回収投資の実現性評価に、運転データ駆動の判断材料として活用できる。

🏛政策担当者:水素・CCUS支援策や炭素価格設計において、実機ベースの脱炭素コストと移行経路のエビデンスとして参照可能。

📄 Abstract（原文）

With atmospheric CO₂ concentrations surpassing 420 ppm and carbon credit liabilities tightening toward 2030, grey-hydrogen facilities are becoming the single largest unmanaged CO₂ point sources inside refineries. Globally, refinery hydrogen networks continue to rely predominantly on grey hydrogen produced via SMR-PSA systems, making them among the largest concentrated industrial sources of unmanaged CO₂. Despite this, existing decarbonization studies remain largely based on idealized, steady-state representations that overlook the cycle-resolved PSA dynamics, purge gas variability, and fuel-integration feedbacks governing real refinery operation, thereby obscuring the true feasibility of blue hydrogen retrofits and limiting informed transition toward green hydrogen. In order to capture realistic syngas evolution, PSA depressurization asymmetry, and CO2 - rich tail gas behavior, this work analyzes in-situ heat and material balance data from an operational SMR-PSA unit. Exergy analysis combined with machine learning evaluates CO₂ capture and hydrogen-production efficiency across refinery conditions relying on grey hydrogen. Interpretable models identify key operational drivers, enabling data-driven decarbonization choices and supporting refinery-specific decisions on carbon capture and hydrogen storage, bridging theory and practical transition.

🔗 Provenance — このレコードを発見したソース

🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。

gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。