MétaCan
Menu
Retour à la cohorte
Enregistrement W2043238803 · doi:10.3390/su7044411

Exergy, Economic and Environmental Analysis for Simple and Combined Heat and Power IC Engines

2015· article· en· W2043238803 sur OpenAlexaff
M.A. Ehyaei, Farideh Atabi, Mohammad Khorshidvand, Marc A. Rosen

Notice bibliographique

RevueSustainability · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésExergyExergy efficiencyCombustionFlue gasInternal combustion engineHeat capacity rateStirling engineInternal combustion engine coolingEnvironmental scienceHeat engineHeat exchangerNOxProcess engineeringElectricity generationWaste managementThermodynamicsAutomotive engineeringEngineeringCombustion chamberMechanical engineeringPower (physics)ChemistryPlate heat exchangerPhysics

Résumé

récupéré en direct d'OpenAlex

This study reports the results of exergy, economic and environmental analyses of simple and combined heat and power internal combustion engines. Values of entropy production, second law efficiency are calculated, and an objective function, including initial, operation, maintenance and fuel costs, as well as the external costs of environmental pollutants, such as CO2, CO and NOx, are presented for the flue gas of the internal combustion engine. The results show that entropy generation in the combined heat and power mode is 30% lower than that in the simple internal combustion engine. Also, by excessively increasing the air ratio, the system entropy generation decreases in both cases of simple and combined heat and power IC engines. The greatest portion of entropy generation is related to the combined heat and power internal combustion engine. The gas heat exchanger generates more entropy than the jacket heat exchanger. Lower values of electricity cost and external costs of air pollution are provided by higher values of molar air to fuel ratio. The environmental aspects depend on location of the system and time of engine operation.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,720
Score d'incertitude au seuil0,534

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 Opus0,005
Tête enseignante GPT0,210
Écart entre enseignants0,205 · 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'étudeObservationnel
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

Citations25
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207