An Optimization Approach for Integrating Planning and CO<sub>2</sub> Emission Reduction in the Petroleum Refining Industry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The petroleum refining industry plays a very important role in international economics and in our daily life. The world refining capacity has increased rapidly during the past decade, and this makes operation planning, scheduling, and general optimization become important tools for the refinery industry. However, environmental regulations and risks of climate change are pressuring the refinery industry to minimize its greenhouse gas emissions. In this research, a mixed-integer nonlinear programming (MINLP) model is proposed for the production planning of refinery processes to achieve maximum operational profit while reducing CO 2 emissions to a given target through the use of different CO 2 mitigation options. The options considered in this study are flow-rate balancing (decreasing the inlet flow rate to a unit that emits more CO 2 ), fuel switching (changes in a certain operation to run with a different fuel that emits less CO 2 emissions, such as natural gas), and installation of a CO 2 capture process (e.g., the monoethanolamine (MEA) process). The objective of the MINLP model is to determine suitable CO 2 mitigation options for a given reduction target while meeting the demand of each final product and its quality specifications, while simultaneously maximizing profit. In this study, a global optimization algorithm is used on the different case studies considered.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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