MétaCan
Menu
Retour à la cohorte
Enregistrement W2105787111 · doi:10.5539/eer.v3n2p1

Enhancing Furnace Thermal Efficiency by Adjusting Fuel Temperature

2013· article· en· W2105787111 sur OpenAlexvenueno aff
Chien‐Li Lee, Chih‐Ju G. Jou

Notice bibliographique

RevueEnergy and Environment Research · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueRadiative Heat Transfer Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNozzleCombustorMaterials scienceFuel efficiencyThermalCarbon dioxideFuel gasCombustionFuel mass fractionEnvironmental scienceThermal efficiencyThermal radiationFlow (mathematics)Nuclear engineeringMechanicsThermodynamicsChemistryVapor lockCombustion chamber

Résumé

récupéré en direct d'OpenAlex

Increasing fuel temperature leads to lower fuel density so that speed of the fuel leaving the nozzle increases causing the fuel to reach the burning point sooner. Hence, a higher temperature can be maintained in the furnace to reduce heat loss. Increasing the fuel temperature also causes higher temperature of the hot gas surrounding the burner nozzle, faster flowing velocity for the hot gas flow in the furnace, more even thermal distribution in the furnace, as well as faster thermal flow rising velocity and higher temperature in the furnace radiation zone. Hence, the fuel consumption and carbon dioxide emission are significantly reduced. In this study, results obtained with a full-scale furnace show that when the fuel temperature is raised from 95 oC to 130 oC, the hot gas temperature in the convective zone of the furnace rises by 21 oC; the furnace pressure increases by 2.5 mm H2O so that oxygen concentration in the excess air drops by 1.2 vol %. Under these conditions, 7.5 x 105 m3 of fuel cost can be saved, and 858 ton per year of CO2 emission can be reduced.

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 enseignants0,202
Score d'incertitude au seuil0,475

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 Opus0,012
Tête enseignante GPT0,224
Écart entre enseignants0,212 · 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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy and Environment ResearchMême sujetRadiative Heat Transfer StudiesTravaux en français237 207