MétaCan
Menu
Retour à la cohorte
Enregistrement W3127904758 · doi:10.1115/1.4049459

Dynamic Advanced Exergetic, Exergoeconomic, and Environmental Analyses of a Hybrid Solar City Gate Station

2020· article· en· W3127904758 sur OpenAlexaff
Mohammad Hasan Khoshgoftar Manesh, Mojtaba Abdolmaleki, Hossein Vazini Modabber, Marc A. Rosen

Notice bibliographique

RevueJournal of Energy Resources Technology · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésTRNSYSExergyEnvironmental scienceEngineeringEnvironmental engineeringProcess engineeringWaste managementMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract The use of solar energy to preheat natural gas before a city gate station (CGS) for reducing fuel consumption and environmental emissions is investigated in a real CGS. All analyses are conducted with a 1-h time-step throughout the entire year so that seasonal climate changes are accounted for precisely. A thermodynamic analysis of the hybrid system is performed with TRNSYS and verified with THERMOFLEX so as to ensure reliability. In addition, dynamic exergetic, exergoeconomic, and exergoenvironmental analyses for the proposed system are carried out. A life cycle assessment (LCA) based on Eco-indicator 99 is performed using SIMA PRO to compute the environmental impacts for each component of the system. The exergetic, exergoeconomic, and environmental analyses are performed in Engineering Equation Solver (EES) software. To perform the transient exergetic, exergoeconomic, and environmental analyses, the results of the thermodynamic analysis from TRNSYS are automatically imported into the EES code. The advanced exergetic, exergoeconomic, and exergoenvironmental analyses are performed to better determine components that have high potentials for improving the system; potentials are considered based on the exergy destruction, exergetic cost of destruction, and environmental impacts associated with exergy destruction.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,439
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,006
Tête enseignante GPT0,211
Écart entre enseignants0,204 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207