MétaCan
Menu
Retour à la cohorte
Enregistrement W2623796887 · doi:10.1049/iet-gtd.2016.1995

Transformer oil reclamation by combining several strategies enhanced by the use of four adsorbents

2017· article· en· W2623796887 sur OpenAlexaff
Leila Safiddine, Amel Hadj‐Ziane‐Zafour, I. Fofana, Abdelhak Skender, F. Guerbas, Ahmed Boucherit

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversité du Québec à Chicoutimi
Organismes subventionnairesnon disponible
Mots-clésLand reclamationTransformerTransformer oilAdsorptionProcess engineeringComputer scienceEnvironmental sciencePetroleum engineeringWaste managementChemistryEngineeringElectrical engineeringOrganic chemistryVoltageBiology

Résumé

récupéré en direct d'OpenAlex

From an environmental perspective, petroleum‐based aged oils removed from power transformers are source of several pollutants and therefore cannot be disposed of without due care. The degradation of oil in in‐service transformers is due to various factors concurrent with the operation of the units over several years. The present study proposes a new strategy to rejuvenate used mineral oils by combining centrifugation, dehydration and sorption with four different adsorbents: activated carbon (ACH), silica gel (SG), magnesium oxide (MO) and activated bentonite (AB). The process of regeneration proposed in this study resulted in a level of restoration that saw the used oil take on the characteristics of new oil (colour, dissipation factor, resistivity, permittivity, acid number). The results also showed that the optimum form of the re‐refined base oil can be attributed to a 10% (w/w) quaternary mixture of the adsorbents, itself comprised of 1% ACH, 6% SG, 1% MO and 2% AB. The anticipated benefits are reduced risk of dielectric breakdown blamed for over 75% of extra high‐voltage (EHV) power transformer failures and extended transformer life expectancy by retarding the solid insulation aging processes.

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)0,0010,000
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)0,0010,000

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 Opus0,038
Tête enseignante GPT0,256
Écart entre enseignants0,218 · 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

Citations54
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207