Energy ans exergy analysis of biomass co-firing in pulverized coal power generation
Notice bibliographique
Résumé
Biomass co-firing with coal exhibits great potential for large scale utilization of biomass\nenergy in the near future. In the present work, energy and exergy analyses are carried out\nfor a co-firing based power generation system to investigate the impacts of biomass cofiring\non system performance and gaseous emissions of CO2, NOx, and SOx. The power\ngeneration system considered is a typical pulverized coal-fired steam cycle system, while\nfour biomass fuels (rice husk, pine sawdust, chicken litter, and refuse derived fuel) and\ntwo coals (bituminous coal and lignite) are chosen for the analysis. System performance\nis evaluated in terms of important performance parameters for different combinations of\nfuel at different co-firing conditions and for the two cases considered. The results indicate\nthat plant energy and exergy efficiencies decrease with increase of biomass proportion in\nthe fuel mixture. The extent of decrease in energy and exergy efficiencies depends on\nspecific properties of the chosen biomass types. The results also show that the increased\nfraction of biomass significantly reduces the net CO2 emissions for all types of selected\nbiomass. However, gross CO2 emissions increase for all blends except bituminous\ncoal/refuse derived fuel blend, lignite/chicken litter blend and lignite/refuse derived fuel\nblend. The reduction in NOx emissions depends on the nitrogen content of the biomass\nfuel. Likewise, the decrease in SOx emissions depends on the sulphur content of the\nbiomass fuel. The most appropriate biomass in terms of NOx and SOx reduction is\nsawdust because of its negligible nitrogen and sulphur contents.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».