MétaCan
Menu
Retour à la cohorte
Enregistrement W3176856842 · doi:10.1115/1.4050875

An Efficient Energy Utilization of Biomass Energy-Based System for Renewable Hydrogen Production and Storage

2021· article· en· W3176856842 sur OpenAlexaff
Haris Ishaq, İbrahim Dinçer

Notice bibliographique

RevueJournal of Energy Resources Technology · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésHydrogen productionRenewable energyDesalinationSyngasProcess engineeringEnvironmental scienceWater-gas shift reactionBiomass (ecology)Waste managementHydrogenEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The increasing environmental limits and carbon emissions taxes are substantial to develop the efficient systems for offering an effective energy utilization. This study proposed a new biomass-based gasification-assisted configuration for the renewable hydrogen production system offering efficient energy utilization. A multi-effect desalination system is employed for water desalination which is converted to steam and fed to the entrained flow gasifier. The integrated heat recovery steam generator gains the additional heat from the syngas to generate steam using fresh water from the desalination unit. The produced hydrogen is supplied to the multistage compression unit that stores hydrogen at high pressure. Industrial aspen plus software V9 version is employed for the simulation under the RK-SOAVE property method. The production of hydrogen before the water gas shift reactor is 129.5 mol/s and after the water gas shift reactor is found to be 171 mol/s. The thermodynamic performance of the biomass energy-assisted system is determined through overall energetic and exergetic efficiencies that are revealed to be 40.86% and 38.63%. Numerous sensitivity studies are performed to explore the performance of the designed system and presented and discussed.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0030,000

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 Opus0,012
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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'étudeExpérimental (laboratoire)
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

Citations28
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetHybrid Renewable Energy SystemsTravaux en français237 207