MétaCan
Menu
Retour à la cohorte
Enregistrement W2481722266 · doi:10.1021/acs.energyfuels.6b01157

Determination of Emission Factors for Co-firing Biomass and Coal in a Suspension Fired Research Furnace

2016· article· en· W2481722266 sur OpenAlexaffabout
Lei Jia, Phil Geddis, Sebnem Madrali, Fernando Preto

Notice bibliographique

RevueEnergy & Fuels · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueThermochemical Biomass Conversion Processes
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésCoalSuspension (topology)Environmental scienceBiomass (ecology)Waste managementCoal firedPulp and paper industryChemistryEnvironmental chemistryEngineeringGeologyMathematics

Résumé

récupéré en direct d'OpenAlex

New regulations implemented by the Canadian federal government to limit greenhouse gas (GHG) emissions from coal burning power plants had sparked intense activity in the utility industry to find ways to reduce emissions. Several studies have indicated that carbon capture and storage (CCS) is not going to be economically available in the short term. Co-firing biomass appears to be an option for many of the coal-fired power plants, as Canada has a significant amount of biomass resources. Although biomass combustion can reduce greenhouse gas emissions, it can also generate other air pollutants. To determine emission factors for co-firing biomass and coal, pilot-scale tests were performed. These tests were conducted in CanmetENERGY’s 0.5 MW th pilot-scale pulverized fuel research furnace, which was configured with a dual-burner system, electrostatic precipitator, and baghouse. Gaseous emissions were recorded with two monitoring systems, and traditional methods for batch sampling of halogens, mercury, and particulate matter were implemented. Emission factors were developed for a 100% coal baseline, for two co-firing ratios of 20% and 55% biomass by heating value and biomass-only firing.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,032
Tête enseignante GPT0,288
Écart entre enseignants0,255 · 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'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

Citations6
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermochemical Biomass Conversion ProcessesTravaux en français237 207