Flare Carbon Conversion Efficiency Quantification using a Long Wave Infrared Fourier Transform Spectrometer
Notice bibliographique
Résumé
In recent years, measuring emissions from flares has assumed new significance due to the high global warming potential of these species and the enormous volumes of gases flared, coupled with doubt regarding the 98% combustion efficiency (CE) estimate often used to assess the impact of flaring on climate change. Hyperspectral cameras are a particularly promising avenue since they can directly visualize the species column density contained within the entire flare plume via the absorption features of these species over the infrared spectrum. Imaging Fourier transform spectrometers (IFTS) generate a datacube of images, each of these pertain to a unique wavelength. Spectroscopic and velocity submodels are then used to obtain the species mass flow rates needed to calculate the CE. This work compares the performance of mid-wavelength infrared (MWIR) and long-wavelength infrared (LWIR) IFTSs for measuring the CE for flares at petrochemical refineries, and, for the first time, uses a LWIR IFTS to fingerprint the plume species and estimate the CE. While the MWIR camera covers prominent CO2 features, the limited dynamic range of the camera can induce lens flare artifacts originating in the combustion zone that bias quantification of the CO2 in the downstream plume. Images from the LWIR camera, in contrast, are free of these artifacts, and the dynamic range is sufficient to measure unburned fuel, key to accurate CE estimates.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».