MétaCan
Menu
Retour à la cohorte
Enregistrement W2721404393 · doi:10.1299/jsmeicone.2015.23._icone23-2_40

ICONE23-2109 DESIGN AND PERFORMANCE EVALUATION OF A HEAT EXCHANGER NETWORK FOR A CO-GENERATION SMR TO VARIOUS THERMAL UTILIZATION APPLICATIONS

2015· article· en· W2721404393 sur OpenAlexaff
Gaoming Ge, Carey J. Simonson

Notice bibliographique

RevueThe Proceedings of the International Conference on Nuclear Engineering (ICONE) · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueProcess Optimization and Integration
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésHeat exchangerProcess engineeringNuclear engineeringEnvironmental scienceEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Small modular nuclear reactor (SMR), with 300-400MWe electricity output, is an innovative design concept for nuclear power plant. It has some merits over large nuclear power plants, such as lower initial capital investment, flexibility, enhanced safety and security, etc. In previous applications, the balance of plant (BOP) system of the SMR was designed for supplying just electricity. In this study, the co-generation SMR which supplies both electricity and heat is under investigation. The heat exchanger network, mainly consisting of the BOP heat exchanger, water pump, and the heat exchangers that deliver heat to the thermal utilization (TU) applications, must operate in an efficient way to keep the overall system costs low. In this paper, a heat exchanger network for all end users which require the same or similar quality of energy is investigated. Numerical model for heat exchanger networks is built on the TRNSYS simulation software. Sensitivity studies are performed to estimate the energy efficiency and exergy efficiency of the whole heat exchanger network under different design and operating conditions (i.e. different temperatures, flow rates and heat exchanger effectiveness). Important design and operating parameters, which significantly impact the performance of the network, are evaluated and presented.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,127
Tête enseignante GPT0,281
Écart entre enseignants0,154 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Proceedings of the International Conference on Nuclear Engineering (ICONE)Même sujetProcess Optimization and IntegrationTravaux en français237 207