MétaCan
Menu
Retour à la cohorte
Enregistrement W3046822469 · doi:10.4018/978-1-7998-5796-9.ch017

Application of Supercritical Fluids in Thermal- and Nuclear-Power Engineering

2020· book-chapter· en· W3046822469 sur OpenAlexaff
Igor Pioro

Notice bibliographique

RevueAdvances in chemical and materials engineering book series · 2020
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueHeat transfer and supercritical fluids
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésBrayton cycleSupercritical fluidRankine cycleCoolantNuclear engineeringWorking fluidHeat transferDegree RankineHeliumMaterials scienceTurbineThermodynamicsThermal power stationCabin pressurizationEnvironmental scienceProcess engineeringWaste managementChemistryPower (physics)EngineeringComposite material

Résumé

récupéré en direct d'OpenAlex

Supercritical Fluids (SCFs) have unique thermophyscial properties and heat-transfer characteristics, which make them very attractive for use in power industry. In this chapter, specifics of thermophysical properties and heat transfer of SCFs such as water, carbon dioxide, and helium are considered and discussed. Also, particularities of heat transfer at Supercritical Pressures (SCPs) are presented, and the most accurate heat-transfer correlations are listed. Supercritical Water (SCW) is widely used as the working fluid in the SCP Rankine “steam”-turbine cycle in fossil-fuel thermal power plants. This increase in thermal efficiency is possible by application of high-temperature reactors and power cycles. Currently, six concepts of Generation-IV reactors are being developed, with coolant outlet temperatures of 500°C~1000°C. SCFs will be used as coolants (helium in GFRs and VHTRs, and SCW in SCWRs) and/or working fluids in power cycles (helium, mixture of nitrogen (80%) and helium (20%), nitrogen and carbon dioxide in Brayton gas-turbine cycles, and SCW/“steam” in Rankine cycle).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,228
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,003
Tête enseignante GPT0,179
Écart entre enseignants0,176 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in chemical and materials engineering book seriesMême sujetHeat transfer and supercritical fluidsTravaux en français237 207