MétaCan
Menu
Retour à la cohorte
Enregistrement W2085602695 · doi:10.1002/htj.21135

Exergoeconomic Based Optimization of a Gas Fired Steam Power Plant Using Genetic Algorithm

2014· article· en· W2085602695 sur OpenAlexaff
Saeed Javan, Pouria Ahmadi, Hadi Mansoubi, Mohammad Nazri Mohd Jaafar

Notice bibliographique

RevueHeat Transfer-Asian Research · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésBoiler (water heating)ExergyProcess engineeringPower stationSteam-electric power stationGenetic algorithmEngineeringWaste managementEnvironmental scienceMathematical optimizationMechanical engineeringMathematicsCombined cycleGas turbines

Résumé

récupéré en direct d'OpenAlex

This research paper mainly deals with exergy, economic, and environmental investigation of a 250 MW steam power plant located in Iran. In order to model this power plant, energy balance equations are used and each part of the power plant is modeled accordingly. Further by introducing the boiler as the main source of irreversibility, two approaches are presented to improve the boiler performance, reduction of excess air, and temperature reduction of gasses leaving the stacks. To study the effect of these two approaches, an objective function including the cost rate of exergy destruction of boiler, fuel cost, and cost rate of environmental impact is presented. The optimization process is done using a genetic algorithm. It is concluded that by optimizing, 20% reduction in the overall cost rate and 88% reduction in the cost rate of environmental impact can be achieved.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,772
Score d'incertitude au seuil0,766

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,021
Tête enseignante GPT0,259
Écart entre enseignants0,238 · 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'étudeSimulation ou modélisation
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

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeat Transfer-Asian ResearchMême sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207