MétaCan
Menu
Retour à la cohorte
Enregistrement W2559749434 · doi:10.1115/1.4035335

Thermo-Economic Performance of a Cogeneration Medium–Small Modular Nuclear Reactor Plant in Canada

2016· article· en· W2559749434 sur OpenAlexaffabout
Gaoming Ge, Tomohiko Ikegawa, Koji Nishida, Carey J. Simonson

Notice bibliographique

RevueJournal of Nuclear Engineering and Radiation Science · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCogenerationElectricityModular designNatural gasWaste managementEnvironmental scienceProcess engineeringElectricity generationNuclear engineeringEngineeringComputer scienceElectrical engineeringThermodynamicsPhysicsOperating system

Résumé

récupéré en direct d'OpenAlex

Hitachi-GE developed a 300 MWel class modular simplified and medium small reactor (DMS) concept, and the DMS was originally designed for generating electricity only. In this study, the feasibility of a cogeneration DMS plant which supplies both electricity and heat is under investigation. The thermal performance of the DMS plant without or with low-, medium-, or high-temperature thermal utilization (TU) applications is evaluated by numerical simulations. The results show that the electricity generated reduces as the heating requirement of TU application becomes higher. Furthermore, the economic performance of the cogeneration DMS plant is compared with another two integrated systems: (i) DMS plus electric boilers and (ii) DMS plus natural gas boilers, for those three TU applications in Canada. The results illustrate that the DMS plus natural gas boilers system are most economic if there is no carbon tax, but with high-CO2 emissions (up to 180 kton per year). The cogeneration plant performs best as the carbon tax increases up to $40/ton. The cogeneration DMS plant is a promising scheme to supply both electricity and heat simultaneously in the economic-environmental point of view.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil0,535

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 Opus0,004
Tête enseignante GPT0,159
Écart entre enseignants0,155 · 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

Citations1
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Nuclear Engineering and Radiation ScienceMême sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207