MétaCan
Menu
Retour à la cohorte
Enregistrement W2040041332 · doi:10.1115/fbc2005-78126

A Innovative Solution to the Problem of Mill Rejects in Thermal Power Plants

2005· article· en· W2040041332 sur OpenAlexafffund
Animesh Dutta, Prabir Basu, Amit K. Ghosh, Prasun Chakraborty

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDalhousie UniversityUniversity Canada WestUnited States Agency for International Development
Mots-clésMillPulverized coal-fired boilerWaste managementBoiler (water heating)Power stationCoalThermal power stationEngineeringCombustionLeaching (pedology)Environmental scienceProcess engineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

The present paper discusses an innovative means for solving the problem of accumulation of waste coal in some pulverized coal fired plants. A major waste in a pulverized coal fired power plant is the reject produced from pulverizing mills. When coal is ground in a bowl mill heavy mineral matters are separated, but they still contain a small amount of coal mixed. However, the heating value of the rejects is generally too low for combustion in conventional boilers. As a result they find limited commercial use and are dumped in the plant adding to the fugitive dust, leaching problem and most importantly devastating damage to the landscape. The amount of mill reject is significant in older operating plant. In India for example, it is about 0.5–1.0% of coal throughput into the boiler. In this paper, an exercise is undertaken to show how these rejects could be burnt to produce low pressure process steam, which could save the bleeding of main steam of the power plant and thereby augment power generation. A subcompact novel circulating fluidized bed boiler has been designed, built and commissioned for this purpose. The present paper discusses the finding of above exercise.

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 enseignants0,296
Score d'incertitude au seuil0,138

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 Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,209 · 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
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetMineral Processing and GrindingTravaux en français237 207