MétaCan
Menu
Retour à la cohorte
Enregistrement W2982105455 · doi:10.1016/j.dib.2019.104716

Process and economic data for the thermo-economic analyses of IGCC power plants employing warm gas CO2 separation technology

2019· article· en· W2982105455 sur OpenAlexfundno aff
Fabian Rosner, Qin Chen, Ashok Rao, Scott Samuelsen, Ambal Jayaraman, Gökhan Alptekin

Notice bibliographique

RevueData in Brief · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNational Energy Technology LaboratoryUniversity of California, IrvineCanada Excellence Research Chairs, Government of CanadaU.S. Department of Energy
Mots-clésIntegrated gasification combined cycleProcess engineeringProcess (computing)Power stationProcess simulationWork (physics)Computer scienceAir separationCapital costEnvironmental scienceElectricity generationPower (physics)EngineeringMechanical engineeringChemistryThermodynamics

Résumé

récupéré en direct d'OpenAlex

Steady state simulations were carried out in APSEN Plus®, state-point stream data were extracted from the simulation results and tabulated in sequential order for IGCC configurations. These data give detailed insights into the performance of individual process units and enable researches to better understand the interplay of various process units as well as provide data for reproducibility of the work described in Ref. (Rosner et al., 2019). Furthermore, more detailed insights in the economic analysis are garnered by providing itemized capital and operating cost data as well as the individual unit cost correlations. In addition, a detailed plant water balance is provided for the base cases of the cold gas cleanup scenario and warm gas cleanup scenario.

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)0,002
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: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,045
Tête enseignante GPT0,329
Écart entre enseignants0,285 · 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207