Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "wydajnosc metanu" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Właściwosci chemiczne i biologiczne traw a produkcja biogazu
Chemical and biological properties of grasses and biogas production
Autorzy:
Golinski, P.
Joks, W.
Powiązania:
https://bibliotekanauki.pl/articles/75915.pdf
Data publikacji:
2007
Wydawca:
Polskie Towarzystwo Łąkarskie
Tematy:
trawy
gatunki roslin
kukurydza
wlasciwosci chemiczne
wlasciwosci biologiczne
biomasa
plony
wydajnosc metanu
wykorzystanie energetyczne
biogaz
produkcja biogazu
Źródło:
Łąkarstwo w Polsce; 2007, 10
1506-5162
Pojawia się w:
Łąkarstwo w Polsce
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Koncepcja wykorzystania sztucznych sieci neuronowych do prognozowania zawartości metanu w substratach
The concept of usage of artificial neural networks for forecasting the methane content in the substrates
Autorzy:
Koszela, K.
Pilarski, K.
Dach, J.
Boniecki, P.
Jedrus, A.
Powiązania:
https://bibliotekanauki.pl/articles/883640.pdf
Data publikacji:
2012
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Maszyn Rolniczych
Tematy:
biogazownie
substraty roslinne
odchody zwierzece
substraty komunalne
substraty przemyslowe
zawartosc metanu
fermentacja
produkcja biogazu
produkcja metanu
wydajnosc produkcji
prognozowanie
sieci neuronowe sztuczne
Opis:
Sztuczne sieci neuronowe wykorzystywane są z powodzeniem m.in. do analizy złożonych systemów empirycznych, w których część parametrów opisujących zachodzące zjawiska jest niemierzalna lub których precyzyjny pomiar jest trudny. W niniejszej publikacji zaprezentowano budowę i zasady działania sztucznych sieci neuronowych jako narzędzia do predykcji zawartości metanu w biogazie z bioodpadów rolniczych [3]. Prognozowanie zawartości biogazu odgrywa ważną rolę w opracowywaniu optymalnych modeli do zarządzania biogazownią. Z powodu różnorodności bazy surowcowej istotnym jest optymalne prognozowanie wydajności biogazowni. W związku z powyższym często z powodzeniem używa się modeli typu „czarna skrzynka”, które wymagają mniejszej liczby parametrów niż klasyczne modele konceptualne.
The artificial neural networks have been successfully used for analyzing of the complex systems, where some parameters describing the occurring phenomena are non-measurable or the precise measurement is very difficult. This publication presents the construction and functioning rules of the artificial neural networks as a tool for prediction of methane content in the biogas from agricultural bio-waste. Forecasting of the biogas content plays extremely important role in development of the optimal models for biogas plant management. Due to the resource base diversity the optimal prediction of biogas plant efficiency is very important. Therefore, the "black box" models which require less parameters than classic conceptual ones are very often successfully used.
Źródło:
Technika Rolnicza Ogrodnicza Leśna; 2012, 04
1732-1719
2719-4221
Pojawia się w:
Technika Rolnicza Ogrodnicza Leśna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analysis of Stoppages in the Process of Roadway Drivage Caused by Exceeding the Maximum Allowable Level of Methane Concentration
Autorzy:
Brodny, Jarosław
Tutak, Magdalena
Felka, Dariusz
Dorota, Palka
Powiązania:
https://bibliotekanauki.pl/articles/2064253.pdf
Data publikacji:
2020
Wydawca:
STE GROUP
Tematy:
methane hazard
dog headings
mining operations
methaneometry
process efficiency
metaneometria
wydajność procesu
zagrożenie metanowe
pomiar metanu
Opis:
Methane is one of the most dangerous gases occurring in mining production. Being inseparably connected with the rock mass, it presents a serious risk to occupational safety and reduces the effectiveness of mining production. A particularly high methane hazard occurs directly during exploitation in longwall headings and the drivage of roadways. Exceeding the maximum allowable level of its concentration in these headings makes it necessary to disconnect all machines until this concentration level is reduced. This leads to unscheduled downtimes of such machines, thus increasing the costs of their operation and decreasing their effectiveness. The paper demonstrates the results from the analysis of machine downtimes in the drivage of roadways, caused by excessive methane concentration levels. The analyses were based on the indications from the system for automatic monitoring of the ventilation parameters in this heading. The results obtained clearly demonstrated that exceeded values of methane concentration caused a series of unexpected downtimes in the drivage process. As a result, the process was disturbed and its effectiveness reduced. The presented analyses are one of the first to address the issue of how methane emissions affect machine downtimes. However, this phenomenon represents a major problem that needs to be addressed comprehensively in order to minimise the losses arising out of the necessary disruptions to the exploitation process.
Źródło:
New Trends in Production Engineering; 2020, 3, 1; 197--210
2545-2843
Pojawia się w:
New Trends in Production Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies