MétaCan
Menu
Retour à la cohorte
Enregistrement W2419019456 · doi:10.1002/er.3508

Energy and exergy inventory in aluminum smelter from a thermal integration point-of-view

2016· article· en· W2419019456 sur OpenAlexafffund
Ruijie Zhao, Cassandre Nowicki, Louis Gosselin, Carl Duchesne

Notice bibliographique

RevueInternational Journal of Energy Research · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueBauxite Residue and Utilization
Établissements canadiensUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésExergySmeltingWaste managementWork (physics)Environmental scienceExergy efficiencyWaste heatWaste heat recovery unitAluminium smeltingEnvironmental engineeringEngineeringMetallurgyMechanical engineeringMaterials scienceHeat exchanger

Résumé

récupéré en direct d'OpenAlex

Primary aluminum production is a very energy-intensive industry (~13 MWh per ton of aluminum produced), involving several complex processes within a plant. The paper presents a mass, energy and exergy analysis of an entire smelter. This work was motivated by the need to evaluate the potential for waste heat recovery/thermal integration in such a plant. Three of the main sectors of a smelter are studied, namely the carbon anode production, the electrolytic reduction and the casting. The analysis is applied to a typical smelter producing 260 000 MTAl per year. It was found that the most important waste heat source is the exhaust gases, with an exergy of 0.57 MWh per ton of aluminum produced. The total exergy destroyed in the plant was found to be around 7.7 MWh/MTAl. The potential for doing useful work associated with heat dissipated at process boundaries is also evaluated. Results highlight sources of thermodynamic inefficiencies and indicate where exergy is mainly destroyed throughout the plant. The results contribute in developing a better understanding of the energy and exergy flow within a smelter. Copyright © 2016 John Wiley & Sons, Ltd.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,034
Tête enseignante GPT0,307
Écart entre enseignants0,273 · 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

Citations19
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy ResearchMême sujetBauxite Residue and UtilizationTravaux en français237 207