MétaCan
Menu
Retour à la cohorte
Enregistrement W3122802886 · doi:10.20944/preprints201806.0421.v1

CO<sub>2</sub> Pipeline Design: A Review

2018· review· en· W3122802886 sur OpenAlexaff
Suoton Philip Peletiri, Nejat Rahmanian, Iqbal M. Mujtaba

Notice bibliographique

RevuePreprints.org · 2018
Typereview
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensPlanned Parenthood Toronto
Organismes subventionnairesTertiary Education Trust Fund
Mots-clésPipeline (software)Pressure dropPipeline transportMechanicsWork (physics)Flow (mathematics)MathematicsPetroleum engineeringEnvironmental scienceEngineeringMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

There is need to accurately design pipelines to transport the expected increase of CO2 captured from industrial processes after the signing of the Paris Climate Agreement in 2016. This paper reviews several aspects of CO2 pipeline design with emphasis on pressure drop and models for the calculation of pipeline diameter. Two categories of pipeline equations were identified. The first category is independent of pipeline length and has two different equations. This category is used to specify adequate pipeline diameter for the volume of fluid transported. The optimum economic pipe diameter equation (Eq. 17) with nearly uniform resultant velocity values at different flow rates performed better than the standard velocity flow equation (Eq. 20). The second category has four different equations and is used to calculate pipeline pressure drop or pipeline distance for the installation of booster stations after specifying minimum and maximum pipeline pressures. The hydraulic equation is preferred because it gave better resultant velocity values and the closest diameter value obtained using Aspen HYSYS (V.10) simulation. The effect of impurities on the pressure behaviour and optimal pipeline diameter and pressure loss due to acceleration were ignored in the development of the models. Further work is ongoing to incorporate these effects into the models.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,811
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,018

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 Opus0,166
Tête enseignante GPT0,363
Écart entre enseignants0,197 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207