Practically Achievable Process Performance Limits for Pressure-Vacuum Swing Adsorption Based Post-Combustion CO2 Capture
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Practically achievable limits for pressure-vacuum swing adsorption (PVSA)-based post-combustion carbon capture are evaluated. The adsorption isotherms of CO2 and N2 are described by competitive Langmuir isotherms. Two low-energy process cycles are considered and a machine learning surrogate-model is trained with inputs from an experimentally-validated detailed PVSA model. Several case studies are considered to evaluate two critical performance indicators, namely, minimum energy and maximum productivity. For each case study, the genetic algorithm optimizer that is coupled to the machine learning surrogate model, searches tens of thousands of combinations of isotherms and process operating conditions. The framework pairs the optimum material properties with the optimum operating conditions, hence providing the limits of achievable performance. The results indicate that very low pressures ( <~0.2 bar) may be required to achieve process constraints for low feeds with low feed compositions ($<0.15$ mol fraction), indicating that PVSA may not be favourable. At higher CO2 feed compositions, PVSA can be attractive and can be operated at practically achievable vacuum levels. Further, the gap between the energy consumption of available adsorbents and the achievable limits with a hypothetical -best adsorbent varies between 20% to 2.5% as the CO2 feed composition changes between 0.05 to 0.4. This indicates a limited potential for development of new adsorbents of PVSA-based CO2 capture. Future work for PVSA should focus on flue gas streams with high CO2 compositions
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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