MétaCan
Menu
Retour à la cohorte
Enregistrement W2002382944 · doi:10.2298/tsci1405673z

Performance evaluation of heat pump system using R744/R161 mixture refrigerant

2014· article· en· W2002382944 sur OpenAlexaboutno aff
Xianping Zhang, Xinli Wei, Xiaowei Fan, Fujun Ju, Lei Yang

Notice bibliographique

RevueThermal Science · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaEducation Department of Henan ProvinceZhengzhou Municipal Science and Technology Bureau
Mots-clésRefrigerantCoefficient of performanceHeat pumpEnvironmental scienceFlammabilityWork (physics)Air source heat pumpsContext (archaeology)ThermodynamicsProcess engineeringNuclear engineeringComputer scienceHeat exchangerEngineering

Résumé

récupéré en direct d'OpenAlex

As an efficient and energy conservation technology, heat pumps working with R22, which are scheduled to be phased out by Montreal Protocol, are widely used in China at present. The global deteriorating ecology environment would accelerate the phase-out time of R22 in developing countries. Therefore, as a matter of urgency, an eco-friendly substitute should be investigated in order to replace R22. Under this context, and with a consideration of the environmental protection, R744/R161 mixture refrigerant is proposed. R744/R161 mixture refrigerant?s condensation pressure is reduced and its flammability and explosivity are suppressed. A thermodynamic model is developed, and under the given working conditions, the performances of subcritical heat pump system using R744/R161 mixture of variable mass fraction are discussed and compared with those of the R22 system. The optimal mass fraction of R744/R161 is given, which corresponds to a maximal heating coefficient of performance. The simulation results show that R744/R161 mixture can work as a competitive alternative to R22 in heat pump system.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,248
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThermal ScienceMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207