MétaCan
Menu
Retour à la cohorte
Enregistrement W2553144229 · doi:10.1061/(asce)ey.1943-7897.0000423

Utilization of a High-Alkali Lignite Coal Ash for SO2 Capture in Power Generation

2016· article· en· W2553144229 sur OpenAlexfundno aff
Emad Rokni, Yiannis A. Levendis

Notice bibliographique

RevueJournal of Energy Engineering · 2016
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueCoal and Its By-products
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésCoalBituminous coalFly ashCoal combustion productsWaste managementSorbentCombustionChemistrySulfur dioxideSulfurFlue-gas desulfurizationEnvironmental scienceInorganic chemistryAdsorption

Résumé

récupéré en direct d'OpenAlex

This work explored the use of ashes of a low-sulfur, high-alkali lignite coal for partially capturing the sulfur dioxide emissions from combustion of a high-sulfur bituminous coal. The bituminous coal was mixed with the lignite ashes and then burned in a laboratory drop-tube furnace (DTF) externally heated to 1,400 K. The gas-phase emissions in the combustion effluents of the neat bituminous coal were monitored and compared with those of the bituminous coal mixed either with the lignite ashes or with other additive compounds, such as a specially prepared sorbent from the ash of the lignite coal or with calcium oxide (CaO). All experiments were executed at a molar Ca:S=0.3 in air, under fuel-lean conditions. Coal particles were in the size range of 75–90 μm. Results showed that the addition of lignite ashes caused substantial reductions, by up to 21% in the SO2 emissions of the bituminous coal. Such reduction was akin to that caused by burning the coal mixed with the CaO sorbent. Significant reduction in NOx emission was also attained. This observation, in conjunction with ash analysis, showed that the alkali-rich ashes of the lignite coal acted as sulfur sorbents for the abundant SO2 emissions of the bituminous coal.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,017
Tête enseignante GPT0,192
Écart entre enseignants0,174 · 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

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy EngineeringMême sujetCoal and Its By-productsTravaux en français237 207