MétaCan
Menu
Retour à la cohorte
Enregistrement W4377995688 · doi:10.1108/978-1-80262-997-220231009

Transient Thermodynamic Modeling of Heat Recovery From a Compressed Air Energy Storage System

2023· book-chapter· en· W4377995688 sur OpenAlexaff
Mehdi Ebrahimi, David S.‐K. Ting, Rupp Carriveau

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCompressed air energy storageAdiabatic processNuclear engineeringTransient (computer programming)ExergyEnvironmental scienceCompressed airRenewable energyEnergy storageMechanicsMaterials scienceThermodynamicsWaste managementMechanical engineeringEngineeringPower (physics)Electrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Sustainable development calls for a larger share of intermittent renewable energy. To mitigate this intermittency, Compressed Air Energy Storage (CAES) technology was introduced. This technology can be made more sustainable by recovering the heat of the compression phase and reusing it during the discharge phase, resulting in an adiabatic CAES without the need for burning of fossil fuels. The key process parameters of CAES are temperature, pressure ratios, and the mass flow rates of air and thermal fluids. The variation in these parameters during the charge and discharge phases significantly influences the performance of CAES plants. In this chapter, the transient thermodynamic behavior of the system under various operating conditions is analyzed and the impact of heat recovery on the discharge phase energy efficiency, power generation, and CO2 emissions is studied. Simulations are carried out over the air pressure range from 2,500 to 7,000 kPa for a 65 MW system over a five-hour discharge duration. It is also assumed that the heat loss in the air storage and the hot thermal fluid tank is insignificant and standby duration does not impact the status of the system. This result shows that the system exergy and the generated power are more sensitive to pressure change at higher pressures. This work also reveals that every 10°C increase on the temperature of the stored air can lead to a 0.83% improvement in the energy efficiency. The result of the transient thermodynamic model is used to estimate the reduction in CO2 emissions in CAES systems. According to the obtained result, a 65 MW ACAES plant can reduce about 17,794 tons of CO2 emission per year compared to a traditional CAES system with the same capacity.

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: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,182
Écart entre enseignants0,171 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207