MétaCan
Menu
Retour à la cohorte
Enregistrement W3071975349 · doi:10.29019/enfoqueute.v11n3.653

Análisis termoenergético del sistema de generación de vapor de una central térmica de 49 MW

2020· article· es· W3071975349 sur OpenAlexaff
Yoalbys Retirado–Mediaceja, Héctor Luis Laurencio Alfonso, Andres Adrian Sánchez Escalona, Yanán Camaraza-Medina, Marcelo Fabián Salazar Corrales, Marbelis Lamorú Urgelles, Ever Góngora-Leyva

Notice bibliographique

RevueEnfoque UTE · 2020
Typearticle
Languees
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensNickel Institute
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsCalderaGeographyGeologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

En el trabajo se realiza un análisis termoenergético integral del sistema de generación de vapor de una termoeléctrica de 49 MW, lo cual no ha sido estudiado con rigor desde el punto de vista energético. En un algoritmo se sintetiza la metodología para el cálculo de los rendimientos térmicos brutos y exergéticos de las calderas que lo integran, aspectos que no se han interrelacionado en estudios precedentes. Los resultados evidencian un elevado grado de aprovechamiento de la energía térmica y una baja capacidad de utilización de la exergía disponible en las instalaciones, provocados por el deterioro de algunos de sus parámetros de operación y por irreversibilidades inherentes al proceso de transformación del agua en vapor. Los rendimientos, térmico y exergético del sistema, ascendieron a 90.106 y 45.491 %, respectivamente. El algoritmo propuesto prevé el cálculo y la comparación de los parámetros termoenergéticos reales de las calderas con los nominales y las acciones científicas, y técnico-organizativas, a desarrollar para lograr rendimientos termoexergéticos superiores. Su implementación futura tendrá en cuenta el análisis de los rendimientos térmicos netos, los indicadores económico-ambientales y la optimización energético-operacional de las calderas.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,232
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,231
Écart entre enseignants0,222 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnfoque UTEMême sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207