MétaCan
Menu
Retour à la cohorte
Enregistrement W2523441648 · doi:10.1115/gt2016-56655

A Numerical Study on the Reactivity of Biogas/Reformed-Gas/Air and Methane/Reformed-Gas/Air Mixtures at Gas Turbine Relevant Conditions

2016· article· en· W2523441648 sur OpenAlexaff
Pablo Diaz Gomez Maqueo, Philippe Versailles, Gilles Bourque, Jeffrey M. Bergthorson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueCombustion and flame dynamics
Établissements canadiensSiemens (Canada)McGill University
Organismes subventionnairesnon disponible
Mots-clésSyngasCHEMKINLaminar flame speedMethaneBiogasCombustorAdiabatic flame temperatureLaminar flowChemistryReactivity (psychology)Adiabatic processMaterials scienceCombustionThermodynamicsPremixed flameWaste managementHydrogenOrganic chemistryPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

This study investigates the increase in methane and biogas flame reactivity enabled by the addition of syngas produced through fuel reforming. To isolate thermodynamic and chemical effects on the reactivity of the mixture, the burner simulations are performed with a constant adiabatic flame temperature of 1800 K. Compositions and temperatures are calculated with the chemical equilibrium solver of CANTERA® and the reactivity of the mixture is quantified using the adiabatic, freely-propagating premixed flame, and perfectly-stirred reactors of the CHEMKIN-Pro® software package. The results show that the produced syngas has a content of up to 30 % H2 with a temperature up to 950 K. When added to the fuel, it increases the laminar flame speed while maintaining a burning temperature of 1800 K. Even when cooled to 300 K, the laminar flame speed increases up to 30 % from the baseline of pure biogas. Hence, a system can be developed that controls and improves biogas flame stability under low reactivity conditions by varying the fraction of added syngas to the mixture. This motivates future experimental work on reforming technologies coupled with gas turbine exhausts to validate this numerical work.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil0,626

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 Opus0,012
Tête enseignante GPT0,236
Écart entre enseignants0,224 · 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'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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCombustion and flame dynamicsTravaux en français237 207