MétaCan
Menu
Retour à la cohorte
Enregistrement W3179033152 · doi:10.33915/etd.7038

Modeling and Control of Post-Combustion CO2 Capture Process Integrated with a 550MWe Supercritical Coal-fired Power Plant

2016· dissertation· en· W3179033152 sur OpenAlexfundno aff
Qiang Zhang

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensnon disponible
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaU.S. Department of Energy
Mots-clésSupercritical fluidModel predictive controlPilot plantPID controllerSteady state (chemistry)Process (computing)Power stationControl theory (sociology)EngineeringProcess engineeringControl engineeringTemperature controlComputer scienceChemistryWaste managementControl (management)

Résumé

récupéré en direct d'OpenAlex

This work focuses on the development of both steady-state and dynamic models for an monoethanolamine (MEA)-based CO2 capture process for a commercial-scale supercritical pulverized coal (PC) power plant, using Aspen PlusRTM and Aspen Plus DynamicsRTM. The dynamic model also facilitates the design of controllers for both traditional proportional-integral-derivative (PID) and advanced controllers, such as linear model predictive control (LMPC), nonlinear model predictive control (NMPC) and H? robust control.;A steady-state MEA-based CO2 capture process is developed in Aspen PlusRTM. The key process units, CO2 absorber and stripper columns, are simulated using the rate-based method. The steady-state simulation results are validated using experimental data from a CO2 capture pilot plant. The process parameters are optimized with the goal of minimizing the energy penalty. Subsequently, the optimized rate-based, steady-state model with appropriate modifications, such as the inclusion of the size and metal mass of the equipment, is exported into Aspen Plus DynamicsRTM to study transient characteristics and to design the control system. Since Aspen Plus DynamicsRTM does not support the rate-based model, modifications to the Murphree efficiencies in the columns and a rigorous pressure drop calculation method are implemented in the dynamic model to ensure consistency between the design and off-design results from the steady-state and dynamic models. The results from the steady-state model indicate that between three and six parallel trains of CO2 capture processes are required to capture 90% CO2 from a 550MWe supercritical PC plant depending on the maximum column diameter used and the approach to flooding at the design condition. However, in this work, only two parallel trains of CO2 capture process are modeled and integrated with a 550MWe post-combustion, supercritical PC plant in the dynamic simulation due to the high calculation expense of simulating more than two trains.;In the control studies, the performance of PID-based, LMPC-based, and NMPC-based approaches are evaluated for maintaining the overall CO2 capture rate and the CO2 stripper reboiler temperature at the desired level in the face of typical input and output disturbances in flue gas flow rate and composition as well as change in the power plant load and variable CO2 capture rate. Scenarios considered include cases using different efficiencies to mimic different conditions between parallel trains in real industrial processes. MPC-based approaches are found to provide superior performance compared to a PID-based one. Especially for parallel trains of CO2 capture processes, the advantage of MPC is observed as the overall extent of

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: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,004
Tête enseignante GPT0,198
Écart entre enseignants0,194 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207