MétaCan
Menu
Retour à la cohorte
Enregistrement W2482148890 · doi:10.1115/1.4033770

Design and Performance Evaluation of a Heat Exchanger Network for a Cogeneration DMS to Various Thermal Utilization Applications

2016· article· en· W2482148890 sur OpenAlexafffund
Gaoming Ge, Carey J. Simonson

Notice bibliographique

RevueJournal of Nuclear Engineering and Radiation Science · 2016
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesInnovation Saskatchewan
Mots-clésCogenerationHeat exchangerProcess engineeringEnvironmental scienceHeat recovery ventilationNuclear engineeringComputer scienceMechanical engineeringEngineeringElectricity generationPower (physics)Thermodynamics

Résumé

récupéré en direct d'OpenAlex

Hitachi-GE developed a 300-MWe-class modular simplified and medium small reactor (DMS) between 2000 and 2004. It was designed to have merits over traditional nuclear power plants in areas of lower initial capital investment, flexibility, enhanced safety, and security. The balance of plant (BOP) system of the DMS was originally designed for supplying just electricity. In this study, the cogeneration DMS that supplies both electricity and heat is under investigation. The heat exchanger (HX) network, mainly consisting of the BOP heat exchanger, water pump, and the heat exchangers that deliver heat to the thermal utilization (TU) applications, must operate in an efficient way to keep the overall system costs low. In this paper, the configuration of a heat exchanger network that serves for various TU applications is investigated first. A numerical model for the heat exchanger network is built, and sensitivity studies are performed to estimate the energy efficiency and exergy efficiency of the whole heat exchanger network under different design and operating conditions (e.g., different water temperatures and flow rates). Important design and operating parameters, which significantly impact the performance of the network, are evaluated and presented.

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)0,002
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,460
Score d'incertitude au seuil0,180

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 Opus0,034
Tête enseignante GPT0,258
Écart entre enseignants0,225 · 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'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

Citations0
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Engineering and Radiation ScienceMême sujetHybrid Renewable Energy SystemsTravaux en français237 207