MétaCan
Menu
Retour à la cohorte
Enregistrement W2533024472 · doi:10.1115/icone24-60510

Study on Thermal Efficiency of SuperCritical Water NPPs

2016· article· en· W2533024472 sur OpenAlexaff
Cristina Mazza, Paul Ponomaryov, Yifeng Zhou, Igor Pioro

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat transfer and supercritical fluids
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésSupercritical fluidNuclear engineeringNuclear powerEnvironmental scienceElectricity generationProcess engineeringRankine cycleTurbineThermal power stationThermal efficiencyThermalDesalinationThermal hydraulicsWaste managementPower (physics)EngineeringMechanical engineeringHeat transferChemistryThermodynamicsNuclear physics

Résumé

récupéré en direct d'OpenAlex

As the demand for emission-free energy increases, the continued improvement of Nuclear Power Plants (NPPs) and their thermal efficiencies is crucial to fulfilling that demand. Current NPPs, especially, with water-cooled reactors, have significantly lower thermal efficiencies (32–36%) compared to those of modern advanced thermal power plants (55–62%). Even Generation-III+ water-cooled NPPs will have thermal efficiencies not higher than 37–38%. Therefore, to be competitive on the energy market, new nuclear reactors and NPPs, so-called, Generation-IV concepts, should be designed and commissioned. The paper discusses the vital role that thermal efficiency plays with respect to how far nuclear reactors can be more cost efficient and competitive. An evaluation of thermal efficiencies has been carried out for SuperCritical Water (SCW) NPPs with Rankine “steam”-turbine power cycle using the IAEA DEsalination Thermodynamic Optimization Program (DE-TOP). Various options for improving thermal efficiencies of SCW NPPs have been studied. This study was performed in support of possible designs of the first experimental SCW reactors.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,016
Tête enseignante GPT0,235
Écart entre enseignants0,219 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHeat transfer and supercritical fluidsTravaux en français237 207