Advanced design and operation of Energy Hub for forest industry using reliability assessment
Notice bibliographique
Résumé
A large part of the refining heat production in the thermomechanical pulp mill can be recovered to supply the paper machine heat demand. This study introduces a novel approach for the heat integration of a thermomechanical pulp mill and paper machine using Energy Hub. An Energy Hub consisting of a steam generator heat pump and the electric boiler is integrated with the thermomechanical pulp mill to provide the heating demand of the paper machine. The advanced cost-efficient design and operation of the Energy Hub are investigated in this research by integrating thermo-economic analysis, reliability & availability assessment, and load profile prediction. The thermo-economic analysis combines economics and thermodynamics, which is necessary for energy system unit commitments. Reliability assessment will lead to more accurate modeling of real-life system operating conditions since system components' availability is considered in the design process. Load profile prediction estimates the Energy Hub load for the next hour, which helps with the optimal operation of the Energy Hub. Different state-of-the-art long-short-term memory (LSTM) neural network models have been developed to achieve the best time series model for refining heat prediction in the thermomechanical pulp mill. Results show that all the time series models are effective for refining heat prediction, while Bidirectional LSTM appears to perform better than others with the correlation coefficient and root mean square error of 0.9 and 0.15, respectively. In addition, the proposed Energy Hub design approach is compared with the conventional design method. The proposed design method offers a robust design that isn't impacted by unsupplied demand penalty rates. Depending on the penalty rates, the total system cost could decrease by 14%-28% utilizing the proposed design method.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».