MétaCan
Menu
Retour à la cohorte
Enregistrement W2888928184 · doi:10.1021/acs.iecr.8b00246

Optimization of Coke Oven Gas Desulfurization and Combined Cycle Power Plant Electricity Generation

2018· article· en· W2888928184 sur OpenAlexaff
Lingyan Deng, Thomas A. Adams

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2018
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésRefineryPower stationOil refineryFlue-gas desulfurizationWaste managementProcess engineeringEnvironmental scienceElectricity generationCombined cycleElectricityPetroleum cokeCokeEngineeringPower (physics)Mechanical engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Many steel refineries generate significant quantities of coke oven gas (COG), which is in some cases used only to generate low pressure steam and small amounts of electric power. In order to improve energy efficiency and reduce net greenhouse gas emissions, a combined cycle power plant (CCPP) where COG is used as fuel is proposed. However, desulfurization is necessary before the COG can be used as a fuel input for a CCPP. Using a local steel refinery as a case study, a proposed desulfurization process is designed to limit the H2S content in COG to less than 1 ppmv, and simulated using ProMax. In addition, the proposed CCPP plant is simulated in Aspen Plus and is optimized using GAMS to global optimality with net present value as the objective function. Furthermore, the carbon tax is considered in this study. The optimized CCPP plant was observed to generate more than twice the electrical efficiency when compared to the status quo for the existing steel refinery. Thus, by generating more electricity within the plant gate, the need to purchase electricity reduces, and hence reducing the lifecycle of CO2 emissions considerably.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,306
Score d'incertitude au seuil0,737

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,053
Tête enseignante GPT0,294
Écart entre enseignants0,241 · 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'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

Citations20
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetCatalysts for Methane ReformingTravaux en français237 207