Evaluation of a UAV-Based Methodology for Measuring Flare Combustion Efficiency
Notice bibliographique
Résumé
This work will present a quantitative evaluation of the potential for measuring gas flare combustion efficiency using an aspirating sensor platform mounted under an uncrewed aerial vehicle (UAV).  The UAV sensor package contains lightweight commercial gas analyzers capable of precise measurements of atmospheric methane (CH4), ethane (C2H6), carbon dioxide (CO2), and carbon monoxide (CO).  By sampling the flare’s plume of combustion products with the help of a UAV, flare efficiency measurements can be safely and remotely completed without affecting the flare’s operation.  The relative mole fraction of the measured major carbon containing species can be used to close a carbon mass balance, which permits calculation of a local carbon conversion efficiency of the flare.  However, because the composition of the flare plume can be inhomogeneous as well as turbulent, it is not straightforward to determine whether the measured incomplete combustion products are representative of total inefficiencies.  Further uncertainty arises if the flared gas contains additional hydrocarbon species (e.g., C3+ hydrocarbons) that may not be directly measurable by the UAV platform.  To address these challenges, controlled experiments were completed on large scale (100-mm diameter) flares burning within Western University’s Boundary Layer Wind Tunnel.  With the wind tunnel running in an open circuit configuration, the UAV/sensor package was suspended within the wind tunnel test section downstream of the flare where it measured combustion efficiency while being moved in and out of the combustion plume.  Results were compared with known combustion efficiencies for identical operating conditions obtained following the established method of Burtt et al. (J. Energy Inst. 2022).  Further, combustion efficiency measurements from operating flares will be made using the developed sensor to validate the proposed measurement approach.  Ultimately, this tool could close a known gap in our ability to quantify carbon conversion efficiency and methane slip from flares under field conditions as required under emerging measurement, reporting, and verification (MRV) programs.  
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».