MétaCan
Menu
Retour à la cohorte
Enregistrement W3135667373 · doi:10.1093/ce/zkaa031

Biomass-fuelled combined heat and power: integration in district heating and thermal-energy storage

2021· article· en· W3135667373 sur OpenAlexaff
Masoud Rezaei, Mohammad Sameti, Fuzhan Nasiri

Notice bibliographique

RevueClean Energy · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueIntegrated Energy Systems Optimization
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésThermal energy storageSizingContext (archaeology)ElectricityEnergy storageProcess engineeringThermal energyElectric power systemBiomass (ecology)System integrationEnvironmental sciencePower (physics)Computer scienceEngineeringElectrical engineeringDatabaseChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Conventional approaches towards energy-system modelling and operation are based upon the system design and performance optimization. In system-design optimization, the thermal or mechanical characteristics of the systems providing for the heat or electricity demands were derived separately without integration with the energy source and without interaction with demand, which results in low-efficiency energy performance. This paper presents a key review on the integration of biomass-powered combined heat and power (BCHP) systems in district-heating systems as well as coupling with thermal-energy storage. In BCHP design, the appropriate sizing of the associated components as part of the district-heating system is very important to provide the optimal dispatch strategy as well as minimized cost and environmental impact while it co-operates with thermal-energy storage. Future strategies for the feasibility, evaluation and integration of biomass-powered energy systems in the context of district systems are also studied.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,005
Tête enseignante GPT0,181
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 source (Gemma direct ou Codex distillé), 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

Citations38
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClean EnergyMême sujetIntegrated Energy Systems OptimizationTravaux en français237 207