H2 storage and compressors: Costs and efficiencies
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 25/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Ambito
- data
Direzione di ricerca
Iniziare confrontando le voci Excel di DEA “151a Hydrogen Storage - Tanks” e “151c Hydrogen Storage - Caverns” con le indicazioni PDF di DEA sull’energia dei compressori e sull’efficienza dello stoccaggio. Esaminare le ipotesi del repository relative ai dati sullo stoccaggio dell’idrogeno, quindi definire e documentare un trattamento coerente dei costi dei compressori, della FOM e dell’efficienza per entrambi i tipi di stoccaggio.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
The DEA technology data on H2 storage technologies (Technology Data Catalogue for Energy Storage) contains assumptions for H2 tanks (compressed, <= 200bar) and H2 underground (cavern, compressed <= 200bar). The data reported on these two storage types is not consistent:
a.) data for "hydrogen storage tank" (DEA excel: "151a Hydrogen Storage - Tanks") reports cost and efficiency for the full system, including piping and compressors.
b.) data for "hydrogen underground storage" (DEA excel: "151c Hydrogen Storage - Caverns") only covers the costs and efficiencies of the cavern storage.
The text (DEA pdf) is more clear on this: The storage efficiency of both storage types is similar (>99%), efficiency losses are due to the energy demand of the compressors (4 kWh_el/kg_H2 for compression to 200bar), which is taken 1:1 from the hydrogen LHV of 33 1/3 kWh_LHV/kg_H2 .
For a.) Investment costs for the system without compressors are reported, but FOM is only reported for the full system. Also no cost assumptions for compressors (per MW, only per MWh of storage system capacity) are reported.
Two options:
- separate compressor costs from storage costs
- include compressor costs and efficiency in the H2 underground storage
- Lingua principale
- Python
- Stelle
- 132
- Fork
- 59
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Nessuna guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di PyPSA/technology-data
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
PyPSA/technology-data#271 ·
-
data: Add ACER's CONE studyAperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
PyPSA/technology-data#284 ·
-
bug
Difficoltà 3/5 1-2 giorni Idoneità per principianti 68/100
PyPSA/technology-data#283 ·
-
feature
Difficoltà 4/5 3-5 giorni Idoneità per principianti 38/100
PyPSA/technology-data#282 · 4 commenti ·
-
bug
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
PyPSA/technology-data#281 ·
Tutte le issue di PyPSA/technology-data
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
mikf/gallery-dl#9791 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
fossasia/eventyay#6151 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
P4: low tooling
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
jeffknupp/association#318 ·
-
azure-cost bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
microsoft/GitHub-Copilot-for-Azure#3330 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
raullenchai/Rapid-MLX#4097 ·
I maintainer di solito rispondono entro 1 giorno