MétaCan
Menu
Retour à la cohorte
Enregistrement W2586498572 · doi:10.3390/en10020179

Comparing Non-Steady State Emissions under Start-Up and Shut-Down Operating Conditions with Steady State Emissions for Several Industrial Sectors: A Literature Review

2017· review· en· W2586498572 sur OpenAlexaff
Juwairia Obaid, Ashraf Ramadan, Ali Elkamel, William A. Anderson

Notice bibliographique

RevueEnergies · 2017
Typereview
Langueen
DomaineEnergy
ThématiqueOil, Gas, and Environmental Issues
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésShut downGreenhouse gasWaste managementIncinerationProduction (economics)Environmental scienceElectricity generationPetrochemicalHazardous wasteEngineeringFugitive emissionsEnvironmental engineeringPower (physics)Process engineering

Résumé

récupéré en direct d'OpenAlex

This study investigates the emissions of various industrial facilities under start-up, shut-down, and normal operations. The industries that have been investigated include power and/or heat generation, energy-from-waste generation, nuclear power generation, sulphuric acid production, ethylene production, petrochemical production, and waste incineration. The study investigated multiple facilities worldwide for each of these industrial categories. The different potential contaminants characteristic of each industry type have been investigated and the emissions of these contaminants under non-steady state have been compared to the steady state emissions. Where available, trends have been developed to identify the circumstances, i.e., the industrial sector and contaminant, under which the assessment and consideration of emissions from start-up and shut-down events is necessary for each industry. These trends differ by industrial sector and contaminant. For example, the study shows that sulphur dioxide (SO2) emissions should be assessed for the start-up operations of sulphuric acid production plants, but may not need to be assessed for the start-up operations of a conventional power generation facility. The trends developed as part of this research paper will help air permit applicants to effectively allocate their resources when assessing emissions related to non-steady state operations. Additionally, it will ensure that emissions are assessed for the worst-case scenario. This is especially important when emissions under start-up and shut-down operations have the potential to exceed enforceable emission limits. Thus, assessing emissions for the worst-case scenario can help in preventing the emissions from adversely impacting public health and the environment.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,003
Bibliométrie0,0110,013
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,102
Tête enseignante GPT0,342
Écart entre enseignants0,240 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetOil, Gas, and Environmental IssuesTravaux en français237 207