MétaCan
Menu
Retour à la cohorte
Enregistrement W4386933691 · doi:10.3390/cleantechnol5030056

Coupling a Gas Turbine Bottoming Cycle Using CO2 as the Working Fluid with a Gas Cycle: Exergy Analysis Considering Combustion Chamber Steam Injection

2023· article· en· W4386933691 sur OpenAlexaff
Seyed Hamed Fatemi Alavi, Amirreza Javaherian, S.M.S. Mahmoudi, Saeed Soltani, Marc A. Rosen

Notice bibliographique

RevueClean Technologies · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésExergyCombined cycleSteam injectionCombustion chamberNuclear engineeringExergy efficiencySteam turbineEnvironmental scienceCombustionSteam-electric power stationWorking fluidTurbineProcess engineeringWaste managementEngineeringMechanical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Gas turbine power plants have important roles in the global power generation market. This paper, for the first time, thermodynamically examines the impact of steam injection for a combined cycle, including a gas turbine cycle with a two-stage turbine and carbon dioxide recompression. The combined cycle is compared with the simple case without steam injection. Steam injection’s impact was observed on important parameters such as energy efficiency, exergy efficiency, and output power. It is revealed that the steam injection reduced exergy destruction in components compared to the simple case. The efficiencies for both cases were obtained. The energy and exergy efficiencies, respectively, were found to be 30.4% and 29.4% for the simple case, and 35.3% and 34.1% for the case with steam injection. Also, incorporating steam injection reduced the emissions of carbon dioxide.

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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,214 · 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

Citations19
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

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