MétaCan
Menu
Retour à la cohorte
Enregistrement W2384372183

Influence and Control of Electrostatic Precipitators and Wet Flue Gas Desulfurization Systems on the Speciation of Mercury in Flue Gas

2009· article· en· W2384372183 sur OpenAlexaboutno aff
Changxing Hu, Zhou Jinsong

Notice bibliographique

RevueJournal of Power Engineering · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMercury impact and mitigation studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlue gasMercury (programming language)Flue-gas desulfurizationElectrostatic precipitatorChemistryCoalWaste managementEnvironmental chemistryFly ashFlue-gas emissions from fossil-fuel combustionBoiler (water heating)Environmental science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Tests were carried out for the concentration and speciation of mercury in the flue gas before and after 6 sets of typical electrostatic precipitator(ESP) and wet flue gas desulfurization(WFGD) system of coal fired power stations by use of Ontario Hydro method and on-line mercury monitoring technology.The influence and control ability of the two devices on speciation transformation of mercury in the flue gas were also studied.Results show that collection of fly ash by ESP directly decreases the proportion of particle mercury in the flue gas.For the typical coal-fired boilers that had been tested,the average proportion of particle mercury in coal-fired flue gas before ESP is about 30%,and decreases to about 5% after ESP.The speciation of mercury in the flue gas changes greatly after being washed by WFGD system.Almost all of the bivalent mercury is captured.The higher the proportion of bivalent mercury is in the flue gas entering the WFGD system,the higher the efficiency is for the mercury removal in the flue gas by WFGD system.The coal-fired power plants equipped with disposal devices for tail flue gas,such as selective catalytic reduction(SCR) denitrator +ESP+WFGD,can well control the mercury emission from the flue gas.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,873
Score d'incertitude au seuil0,209

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 Opus0,003
Tête enseignante GPT0,196
Écart entre enseignants0,193 · 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'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

Citations4
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Power EngineeringMême sujetMercury impact and mitigation studiesTravaux en français237 207