MétaCan
Menu
Retour à la cohorte
Enregistrement W1989411951 · doi:10.1115/icone18-30201

Thermal Integration Options for Hydrogen Cogeneration With Molten Salt Nuclear Reactors

2010· article· en· W1989411951 sur OpenAlexafffund
Z. Wang, G.F. Naterer, Kamiel Gabriel

Notice bibliographique

Revue18th International Conference on Nuclear Engineering: Volume 3 · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueChemical Looping and Thermochemical Processes
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCogenerationHeat exchangerHydrogen productionMolten saltHydrogenNuclear engineeringCoolantHeat transferChemistryWaste managementMaterials scienceElectricity generationThermodynamicsPower (physics)Inorganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Thermochemical hydrogen cogeneration using heat of molten salt nuclear reactors (MSRs) is discussed in this paper. Sulfur-iodine and copper-chlorine cycles are taken as typical examples for analysis and discussion. It is found that the heat exchanger design is predominately determined by the maximum and range of temperatures of themochemical hydrogen production cycles with MSRs. Copper-chlorine (Cu-Cl) thermochemical cycles can link with most MSRs, but sulfur-iodine (S-I) cycles can only link with very high temperature MSRs. The location of extracted heat from MSRs to S-I and Cu-Cl cycles is investigated, and its influence on the layout of nuclear reactor coolant loop is discussed. Some conceptual designs of heat exchangers are proposed to transfer heat from MSRs to Cu-Cl and S-I cycles. The available heat quantity at different hours of a day and corresponding hydrogen production scales are determined. It is found that the available heat at most hours of power demand in a day is equivalent to the hydrogen cogeneration capacity of an industrial scale steam methane reforming plant, if an MSR power station is operating at an invariable maximum power, independent of an electrical load throughout a day or year.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,835

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)0,0010,000

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 Opus0,014
Tête enseignante GPT0,215
Écart entre enseignants0,202 · 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

Citations3
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue18th International Conference on Nuclear Engineering: Volume 3Même sujetChemical Looping and Thermochemical ProcessesTravaux en français237 207