MétaCan
Menu
Retour à la cohorte
Enregistrement W2750045390 · doi:10.3390/pr5030044

Comparison of CO2 Capture Approaches for Fossil-Based Power Generation: Review and Meta-Study

2017· article· en· W2750045390 sur OpenAlexaff
Thomas A. Adams, Leila Hoseinzade, Pranav Bhaswanth Madabhushi, Ikenna J. Okeke

Notice bibliographique

RevueProcesses · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensMcMaster University
Organismes subventionnairesPusat Pengurusan Penyelidikan dan Instrumentasi
Mots-clésProcess engineeringFossil fuelCoalWork (physics)Carbon capture and storage (timeline)Electricity generationEnvironmental sciencePower stationCombustionProcess (computing)Computer scienceWaste managementEnvironmental economicsEngineeringPower (physics)ChemistryEconomicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This work is a meta-study of CO2 capture processes for coal and natural gas power generation, including technologies such as post-combustion solvent-based carbon capture, the integrated gasification combined cycle process, oxyfuel combustion, membrane-based carbon capture processes, and solid oxide fuel cells. A literature survey of recent techno-economic studies was conducted, compiling relevant data on costs, efficiencies, and other performance metrics. The data were then converted in a consistent fashion to a common standard (such as a consistent net power output, country of construction, currency, base year of operation, and captured CO2 pressure) such that a meaningful and direct comparison of technologies can be made. The processes were compared against a standard status quo power plant without carbon capture to compute metrics such as cost of CO2 emissions avoided to identify the most promising designs and technologies to use for CO2 emissions abatement.

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)0,010
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,028
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0090,018
Bibliométrie0,0090,011
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
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 Opus0,161
Tête enseignante GPT0,329
Écart entre enseignants0,168 · 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'étudeRevue systématique
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

Citations84
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207