MétaCan
Menu
Retour à la cohorte
Enregistrement W4250061592 · doi:10.4155/cmt.11.19

Part 1: Design, modeling and simulation of post-combustion CO<sub>2</sub>capture systems using reactive solvents

2011· article· en· W4250061592 sur OpenAlexaff
Zhiwu Liang, Teerawat Sanpasertparnich, Paitoon Tontiwachwuthikul, Don Gelowitz, Raphael Idem

Notice bibliographique

RevueCarbon Management · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueCarbon Dioxide Capture Technologies
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésPilot plantPower stationProcess (computing)Process engineeringProcess designConceptual designEngineering design processCombustionSystems engineeringProcess modelingComputer scienceEngineeringMechanical engineeringWork in processWaste managementProcess integrationChemistry

Résumé

récupéré en direct d'OpenAlex

The simulation and modeling of post-combustion CO2 capture systems are considered to be an important strategy to obtain process integrity and gain design confidence for the construction and commissioning of commercial post-combustion CO2 capture plants. It is therefore essential to obtain an understanding of the fundamental concepts of designing and modeling. This article reviews the concepts of designing a CO2 capture system with specific emphasis on the absorber for diameter and height. It covers several steps (i.e., empirical design method, theoretical design method, laboratory method and pilot plant techniques) used to design the absorber. A conceptual design of an overall CO2 capture process is also given in the article. Process validations of the modeling using ProMax with four existing pilot plants. (the International Test Centre of CO2 Capture pilot plant, the Esbjerg CASTOR pilot plant, the Institute of Thermodynamics and Thermal Process Engineering, Stuttgart pilot plant and the SINTEF/NTNU pilot plant) are presented. Moreover, a discussion of process integration of the CO2 capture plant into a fossil fuel-fired power plant is included in this paper.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,893

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 Opus0,039
Tête enseignante GPT0,224
Écart entre enseignants0,185 · 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

Citations46
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCarbon ManagementMême sujetCarbon Dioxide Capture TechnologiesTravaux en français237 207