MétaCan
Menu
Retour à la cohorte
Enregistrement W2027214208 · doi:10.3390/e11040798

Exergy as a Useful Variable for Quickly Assessing the Theoretical Maximum Power of Salinity Gradient Energy Systems

2009· article· en· W2027214208 sur OpenAlexaff
Raynald Labrecque

Notice bibliographique

RevueEntropy · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane-based Ion Separation Techniques
Établissements canadiensHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésExergySalinityWork (physics)Environmental scienceContext (archaeology)Computer scienceEnergy transformationElectricityReversed electrodialysisProcess engineeringPower (physics)Electricity generationHydrology (agriculture)ThermodynamicsGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

It is known that mechanical work, and in turn electricity, can be produced from a difference in the chemical potential that may result from a salinity gradient. Such a gradient may be found, for instance, in an estuary where a stream of soft water is flooding into a sink of salty water which we may find in an ocean, gulf or salt lake. Various technological approaches are proposed for the production of energy from a salinity gradient between a stream of soft water and a source of salty water. Before considering the implementation of a typical technology, it is of utmost importance to be able to compare various technological approaches, on the same basis, using the appropriate variables and mathematical formulations. In this context, exergy balance can become a very useful tool for an easy and quick evaluation of the maximum thermodynamic work that can be produced from energy systems. In this short paper, we briefly introduce the use of exergy for enabling us to easily and quickly assess the theoretical maximum power or ideal reversible work we may expect from typical salinity gradient energy systems.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,009
Tête enseignante GPT0,258
Écart entre enseignants0,249 · 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'étudeThéorique ou conceptuel
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

Citations8
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEntropyMême sujetMembrane-based Ion Separation TechniquesTravaux en français237 207