MétaCan
Menu
Retour à la cohorte
Enregistrement W4361274955 · doi:10.1142/9789811264375_0004

Green Compressed Air Energy Storage Technology

2023· book-chapter· en· W4361274955 sur OpenAlexaff
Mehdi Ebrahimi, David S.‐K. Ting, Rupp Carriveau

Notice bibliographique

RevueWORLD SCIENTIFIC eBooks · 2023
Typebook-chapter
Langueen
DomaineEnergy
ThématiquePower Systems and Renewable Energy
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCompressed air energy storageEnvironmental scienceCompressed airComputer scienceEnergy storageEngineeringMechanical engineeringPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Green Compressed Air Energy Storage (GCAES) is a new concept that combines thermal energy storage with traditional compressed air energy storage. The goal is to recover the heat of compression and reuse it during the expansion phase, thus eliminating the need for external heat. This chapter compares the overall performance of GCAES with its traditional Compressed Air Energy Storage (CAES) counterpart and estimates the amount of greenhouse gas reduction. Generally, a small change in one of the parameters of CAES systems can propagate to other factors, significantly altering the performance of the plant. A change in the system status can also alter the process parameters of the thermal sub-systems. The key process parameters are air and thermal fluid mass flow rates, temperature, and pressure of the system at each design point. These parameters can significantly influence the performance of a CAES plant. This chapter compares the effect of variations in these parameters on the performance of GCAES and traditional CAES plants with three stages of expansion. Thermodynamic model simulations were carried out over a pressure from 40 bar to 80 bar and hot water mass flow between 176 kg/s and 216 kg/s. The obtained results show that the net generated power for the GCAES and the traditional CAES systems are about 110 megawatts and 65 megawatts, with maximum efficiencies of 78.6% and 70.5%, respectively. This study also reveals that a GCAES not only makes accessible greater energy generation but can also reduce up to 80 tons of carbon dioxide (CO2) per discharge cycle. This is equivalent to more than 270,000 tons of CO2 emission per operating year for the modeled CAES plant.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,829
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,021
Tête enseignante GPT0,214
Écart entre enseignants0,193 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWORLD SCIENTIFIC eBooksMême sujetPower Systems and Renewable EnergyTravaux en français237 207