MétaCan
Menu
Retour à la cohorte
Enregistrement W2086082904 · doi:10.1115/1.4026599

Cascade Utilization of Fuel Gas Energy in Gas-to-Liquids Plant

2014· article· en· W2086082904 sur OpenAlexaff
Shimin Deng, Rory Hynes

Notice bibliographique

RevueJournal of Engineering for Gas Turbines and Power · 2014
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensHatch (Canada)
Organismes subventionnairesnon disponible
Mots-clésAir preheaterCombined cycleNatural gasWaste managementSyngasFuel gasEnvironmental scienceRenewable natural gasExergyGas engineIndustrial gasProducer gasGas to liquidsElectricity generationPower stationProcess engineeringExhaust gasGas turbinesEngineeringPower (physics)ChemistryAutomotive engineeringCombustionMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This paper investigates on a gas-to-liquids (GTL) plant with ATR syngas production and proposes a new process to use a gas turbine and waste heat recovery gas/steam streams preheater to replace the fired heater. The new process features cascade utilization of fuel gas energy, as fuel gas is firstly used in a gas turbine (GT) at very high temperature and then lower-temperature GT exhaust gas is further used for preheating. Large exergy loss of heat transfer in the fired heater is eliminated. The improved process has an equivalent power generation efficiency of 80% which is significantly higher than conventional technology. Economic analysis indicates 129.8 M$ revenue would be produced over the lifetime if the extra power from a 15,000 bbl/d GTL plant can be exported to the grid at the price of cost of electricity for a conventional natural gas fired combined cycle plant.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,227
Score d'incertitude au seuil0,567

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 Opus0,011
Tête enseignante GPT0,230
Écart entre enseignants0,220 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering for Gas Turbines and PowerMême sujetCatalysts for Methane ReformingTravaux en français237 207