MétaCan
Menu
Retour à la cohorte
Enregistrement W2337023043 · doi:10.1115/1.4033424

Assessing Cogeneration Activity in Extraction–Condensing Steam Turbines: Dissolving the Issues by Applied Thermodynamics

2016· article· en· W2337023043 sur OpenAlexaff
Aviel Verbruggen, Jiří Jaromír Klemeš, Marc A. Rosen

Notice bibliographique

RevueJournal of Energy Resources Technology · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCogenerationPower stationSteam turbineThermal power stationProcess engineeringProduction (economics)EngineeringElectricity generationPower (physics)Waste managementMechanical engineeringThermodynamicsEconomics

Résumé

récupéré en direct d'OpenAlex

Extraction–condensing steam turbines mix cold-condensing and cogeneration activities making the respective power and fuel flows not directly observable. A flawed assessment of the flows is causing confusion and bias. A steam expansion path on a Mollier diagram reveals the design characteristics of a thermal power plant and of its embedded combined heat and power (CHP) activities. State variable data on a unit mass of steam, entering the turboset as life steam and leaving it at one of the heat extraction exhausts, provide the roster of the power-heat production possibility set of the plant. The actual production possibilities are drawn from the roster by applying capacity data and constraints on the heat extraction points. Design power-to-heat ratios of CHP activities are univocally identified, allowing accurate assessments of cogenerated power. This information is needed for proper incentive regulation of CHP activities, pursuing maximization of CHP quality and quantity. Quality is gauged by the power-to-heat ratio, principally a design (investment) decision. Quantity is gauged by the operational amounts of recovered heat exhausts. Optimal regulatory specificity is attained through setting generic frameworks by technology, accommodating investment and operational decisions by plant owners. Our novel method is explained and applied with numerical data, also revealing the flaws in present regulations.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil0,397

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 Opus0,006
Tête enseignante GPT0,235
Écart entre enseignants0,229 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207