MétaCan
Menu
Retour à la cohorte
Enregistrement W2984951160 · doi:10.4236/sgre.2019.109014

Supercharging of Diesel Engine with Compressed Air: Experimental Investigation on Greenhouse Gases and Performance for a Hybrid Wind-Diesel System

2019· article· en· W2984951160 sur OpenAlexaff
Hussein Ibrahim, Mohamad Issa, Richard Lepage, Adrian Ilinca, Jean Perron

Notice bibliographique

RevueSmart Grid and Renewable Energy · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensCégep de RimouskiUniversité du Québec à ChicoutimiUniversité du Québec à RimouskiCegep de Sept Iles
Organismes subventionnairesnon disponible
Mots-clésDiesel fuelCompressed natural gasGreenhouse gasAutomotive engineeringEnvironmental scienceCombustionDiesel engineFuel efficiencyEngineeringInternal combustion engineWaste managementProcess engineeringMechanical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Supercharging is the process of supplying air for combustion at a pressure greater than that achieved by natural or atmospheric induction, as applied to internal combustion engines. As a consequence of demonstrated technological, economical and energetic advantages in multiple literature evaluations concerning the large scale wind-compressed air hybrid storage system with gas turbines, the utilization of a hybrid wind-diesel system with compressed air storage (HWDCAS) has been frequently explored. These will mainly have average or small scale application such as the powering of isolated sites. It has been proven in numerous studies that the HWDCAS combined with an additional supercharging of the diesel engines will contribute to the increase of the power and efficiency of the diesel engine, the reduction of both fuel consumption and the emission of greenhouse gases (GHG). This article presents the obtained results from experimental validation of the selected design with an aim to valorize this innovative solution and become trustworthy.

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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,012
Tête enseignante GPT0,190
Écart entre enseignants0,178 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Grid and Renewable EnergyMême sujetHybrid Renewable Energy SystemsTravaux en français237 207