MétaCan
Menu
Retour à la cohorte
Enregistrement W2278882138 · doi:10.1504/ijpse.2015.071428

Energy and exergy analyses of power generation via an integrated biomass post-firing combined-cycle

2015· article· en· W2278882138 sur OpenAlexaff
Hassan Athari, Saeed Soltani, Seyed Mohammad Seyed Mahmoudi, Marc A. Rosen, Tatiana Morosuk

Notice bibliographique

RevueInternational Journal of Process Systems Engineering · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésExergyCombined cycleExergy efficiencyEnvironmental scienceGas compressorBiomass (ecology)CombustorOverall pressure ratioNatural gasCondenser (optics)Electricity generationWaste managementNuclear engineeringEngineeringTurbinePower (physics)ChemistryCombustionThermodynamicsMechanical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Biomass energy recently has received much attention due to its renewability and relatively low environment impact, both of which suggest it has good prospects as are placement for fossil fuels in the future. Furthermore, biomass gasification reduces problems associated with direct burning of biomass, and the producer gas from the gasification process can be utilised in various power generation systems. In this article, a biomass post-firing combined cycle is proposed and energy and exergy analyses are reported for the cycle. The cycle energy and exergy efficiencies are both determined peak at specific compressor pressure ratio, and increasing the compressor pressure ratio reduces the mass of air per mass of steam in the cycle and, correspondingly, the gas turbine size. With increasing compressor pressure ratio and decreasing gas turbine inlet temperature, the quantity of natural gas required relative to biomass is observed to decrease, while the exergy loss and exergy destruction rates are seen to increase. Furthermore, as the gas inlet temperature to the heat recovery steam generator rises, the exergy destruction rate increases and the exergy loss rate decreases. The highest exergy efficiency is exhibited by the gas turbine and the lowest by the combustor and the condenser.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

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)0,0020,000

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 Opus0,018
Tête enseignante GPT0,256
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 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'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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Process Systems EngineeringMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207