Perhitungan Beban Emisi Particulate Matter berdasarkan Data CEMS dari PLTU Batu Bara Milik PT PLN (Persero)
Notice bibliographique
Résumé
In the Coal-Fired Power Plant (CFPP) operation, various pollutants will be generated, including Particulate Matter (PM), which can be monitored with the Continuous Emission Monitoring System (CEMS). The parameters monitored include PM concentration, volumetric flow rate, % O2, and the operation hours and/or CEMS monitoring hours. Emission load calculation by utilizing CEMS data is a Tier 3 calculation method that uses real operation data from a CFPP unit. Information related to PM emission load from CFPP can be considered for corporate decision making in developing emission control strategies. This research utilizes secondary data from January 2021 to July 2023 period, from 52 PT PLN (Persero)’s CFPP units with various boiler, installed capacity, and types of Air Pollution Control Devices specifications. The largest average/month emission load value is 139,632 kg PM/month for CFPP unit that uses PC boiler, have a capacity of > 600 MW, and use low NOx burners and ESP as its APCD; while the smallest average/month emission load value is 525 kg PM/month for CFPP unit that uses PC boiler, have a capacity of 101-300 MW, and use ESP as its APCD. If the average emission load/month from January 2021 to July 2023 is compared with the maximum emission load/month with a PM quality standard of 100 mg/Nm3, all CFPP units do not exceed it and are generally ready to face the tightening of PM quality standard up to 75 mg/Nm3.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,020 |
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 ».