MétaCan
Menu
Retour à la cohorte
Enregistrement W2903222080 · doi:10.2478/ntpe-2018-0030

Application of Steam Jet Injector for Latent Heat Recovery of Marine Steam Turbine Propulsion Plant

2018· article· en· W2903222080 sur OpenAlexaboutno aff
Szymon Grzesiak, A. Adamkiewicz

Notice bibliographique

RevueNew Trends in Production Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueEngine and Fuel Emissions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInjectorHeat recovery steam generatorSurface condenserSteam-electric power stationNuclear engineeringRankine cycleSuperheated steamNozzleCombined cycleSteam turbineSteam injectionTurbineThermal efficiencyEnvironmental scienceWaste managementEngineeringMechanical engineeringChemistryCombustionThermodynamics

Résumé

récupéré en direct d'OpenAlex

Abstract This paper presents the results of previously carried out analyses regarding efficiency and criteria evaluation of various propulsion plants of modern LNG (Liquid Natural Gas) carriers. The results of previous identification and quality assessment of waste heat energy sources of a CST (Conventional Steam Turbine) plant are presente. In this paper the possibility of use a steam jet injector in order to recover the latent heat is analysed. Calculations were carried out for an injector equipped with a de Laval nozzle, determining the thermodynamic state parameters of the mixture of drive steam and sucked in steam as well as the steam on the outlet of the injector for the various ejection ratios. On the basis of the results of the injector calculation, the heat balance of a simple regenerative Clausius – Rankine steam cycle (with one regenerative heater – deaerator) was carried out. The degree of regeneration (increase of the thermal efficiency) for cycle using the regenerative injector was determined. Based on results the further research directions for complex plants using a steam jets are indicated.

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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,013
Tête enseignante GPT0,228
Écart entre enseignants0,215 · 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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNew Trends in Production EngineeringMême sujetEngine and Fuel EmissionsTravaux en français237 207