ANALISIS PENGARUH PENGGUNAAN BAHAN BAKAR GAS DAN HSD (HIGH SPEED DIESEL) TERHADAP KINERJA DAN PRODUKSI GAS BUANG PEMBANGKIT PADA VARIASI BEBAN PLTGU X
Notice bibliographique
Résumé
PLTGU merupakan penggabungan antara Pembangkit Listrik Tenaga Gas (PLTG) dan Pembangkit Listrik Tenaga Uap (PLTU). Sama halnya dengan PLTU, bahan bakar PLTGU bisa berwujud cair,seperti High Speed Diesel (HSD) maupun berupa gas yaitu Compress Natural Gas (CNG). Tujuan penelitian ini yaitu untuk menghitung dan mengetahui pengaruh penggunaan BBG dan HSD terhadap kinerja sistem PLTGU, serta produksi gas buang pada turbin gas. Metode yang digunakan yaitu studi literatur mengenai dasar teori, melakukan observasi ke ruang kontrol dengan mempelajari log sheet. Data juga diperoleh dari pencatatan otomatis oleh komputer ACS Historical Data Management System yang digunakan untuk menyimpan data operasi pembangkit. Hasil yang diperoleh yaitu perbandingan antara BBG dan HSD dengan beban operasi PLTGU yang sama menunjukkan bahwa efisiensi sistem PLTGU tertinggi yang didapat yaitu senilai 48,987 % pada beban operasi 228 MW menggunakan HSD, dan nilai terendahnya yaitu sebesar 36,136 % pada beban operasi 211 MW, serta perbandingan antara BBG dan HSD dengan beban operasi GTG yang sama menunjukkan bahwa produksi gas buang tertinggi yang diperoleh senilai 537,643 kW pada beban operasi GTG 75 MW dengan BBG, dan nilai terendahnya yaitu sebesar 516,113 kW pada beban operasi GTG sebesar 70 MW dengan HSD.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».