MétaCan
Menu
Retour à la cohorte
Enregistrement W1874782817 · doi:10.13044/j.sdewes.2015.03.0026

Emissions and Furnace Gas Temperature for Electricity Generation Via Co-Firing of Coal and Biomass

2015· article· en· W1874782817 sur OpenAlexaff
Shoaib Mehmood, Bale V. Reddy, Marc A. Rosen

Notice bibliographique

RevueJournal of Sustainable Development of Energy Water and Environment Systems · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCoalElectricity generationEnvironmental scienceWaste managementBiomass (ecology)ElectricityPower (physics)EngineeringGeologyThermodynamicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The emissions of carbon dioxide and nitrogen and sulphur oxides for electricity generation with coal and biomass co-firing are investigated and the furnace gas temperature assessed. The study uses simulation and considers fuel combinations based on two coals (bituminous coal, lignite) and four types of biomass (rice husk, sawdust, chicken litter, refused derived fuel). With increasing biomass, net CO2 emissions are seen to decline significantly for all types of selected biomass, while gross carbon dioxide emissions increase for all blends except bituminous coal/refuse derived fuel, lignite/chicken litter and lignite/refuse derived fuel. The reductions in emissions of nitrogen and sulphur oxides are dependent on the contents of nitrogen and sulphur in the biomass. The results also show for all fuel combinations that increasing the biomass proportion decreases the furnace exit gas temperature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,369

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,186
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sustainable Development of Energy Water and Environment SystemsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207