Performance Analysis of Supercritical Coal Fired Power Plant Using gCCS Simulator

Q: 이 논문에서 정의한 gCCS란 무엇인가?

gCCS는 발전소 시뮬레이션, 탄소 포집 및 저장, 압축, 운송, 주입 및 저장을 위해 개발된 상용 소프트웨어다. 이는 모델 또는 흐름도 시스템 내 모든 방정식의 수치적 해를 도출하는 방정식 지향적 특성을 가지며, 발전소의 성능 평가 및 최적화에 활용된다.

Q: 초임계 석탄화력발전소에서 바이오매스 혼소 시 발전 효율은 어떻게 변하는가?

연구 결과, 바이오매스 혼소 시 총 발전량은 일정하게 유지되나, 분쇄기 전력 소비량 증가로 인해 순 발전량은 주 연료(AC) 단독 연소 시보다 약간 낮아진다. 특히 토리파이드 바이오매스(TB) 혼소 시 다른 바이오매스보다 상대적으로 높은 순 발전 효율을 보인다.

Tefera Zelalem Tumsa; Tae-Young Mun; Uendo Lee; Won Yang

학술대회자료

저자정보: Tefera Zelalem Tumsa (Korea Institute of Industrial Technology) Tae-Young Mun (Korea Institute of Industrial Technology) Uendo Lee (Korea Institute of Industrial Technology) Won Yang (Korea Institute of Industrial Technology)

저널정보: 한국연소학회 KOSCO SYMPOSIUM 논문집 2014년도 한국연소학회 제49회 추계학술대회 KOSCO SYMPOSIUM 초록집

오류 신고하기

피인용 0

검색

초록·키워드

Capturing the carbon dioxide emitted from coal-fired power plants will be necessary if targeted reduction in carbon emissions is to be achieved. Modelling and simulation are the base for optimal operation and control in thermal power plant and also play an important role in energy savings. This study aims to analyze the performance of supercritical coal fired power plant through steady and dynamic simulation using a commercial software gCCS. A whole power plant has been modeled and validated with design data of 500 MWe power plant, base and part load operations of the plant were also evaluated, consequently it had been proven that the simulated result had a good agreement with actual operating data. In addition, the effect of co-firng on the plant efficiency and flue gases were investigated using gCCS simulator.

#Plant efficiency #Dynamic simulation #Base and Part load operation #gCCS

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2016-431-000986318

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료