MétaCan
Menu
Retour à la cohorte
Enregistrement W2146711662 · doi:10.5194/acp-10-1183-2010

Mercury emission and speciation of coal-fired power plants in China

2010· article· en· W2146711662 sur OpenAlexaboutno aff
Shuxiao Wang, Li Zhang, G. H. Li, Ye Wu, Jiming Hao, Nicola Pirrone, Francesca Sprovieri, Maria Pia Ancora

Notice bibliographique

RevueAtmospheric chemistry and physics · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésMercury (programming language)Flue gasFlue-gas desulfurizationFly ashElectrostatic precipitatorCoalEnvironmental chemistryChemistryBottom ashBoiler (water heating)Coal combustion productsEnvironmental scienceWaste management

Résumé

récupéré en direct d'OpenAlex

Abstract. Comprehensive field measurements are needed to understand the mercury emissions from Chinese power plants and to improve the accuracy of emission inventories. Characterization of mercury emissions and their behavior were measured in six typical coal-fired power plants in China. During the tests, the flue gas was sampled simultaneously at inlet and outlet of Selective Catalytic Reduction (SCR), electrostatic precipitators (ESP), and flue gas desulfurization (FGD) using the Ontario Hydro Method (OHM). The pulverized coal, bottom ash, fly ash and gypsum were also sampled in the field. Mercury concentrations in coal burned in the measured power plants ranged from 17 to 385 μg/kg. The mercury mass balances for the six power plants varied from 87 to 116% of the input coal mercury for the whole system. The total mercury concentrations in the flue gas from boilers were at the range of 1.92–27.15 μg/m3, which were significantly related to the mercury contents in burned coal. The mercury speciation in flue gas right after the boiler is influenced by the contents of halogen, mercury, and ash in the burned coal. The average mercury removal efficiencies of ESP, ESP plus wet FGD, and ESP plus dry FGD-FF systems were 24%, 73% and 66%, respectively, which were similar to the average removal efficiencies of pollution control device systems in other countries such as US, Japan and South Korea. The SCR system oxidized 16% elemental mercury and reduced about 32% of total mercury. Elemental mercury, accounting for 66–94% of total mercury, was the dominant species emitted to the atmosphere. The mercury emission factor was also calculated for each power 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 GPT0,217
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 source (Gemma direct ou Codex distillé), 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

Citations388
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetMercury impact and mitigation studiesTravaux en français237 207