MétaCan
Menu
Retour à la cohorte
Enregistrement W2039582226 · doi:10.1093/ijlct/2.2.126

Numerical investigation of transport phenomena and electrochemical reactions in PEM fuel cell cathode

2007· article· en· W2039582226 sur OpenAlexafffund
Nada Zamel, Xianguo Li

Notice bibliographique

RevueInternational Journal of Low-Carbon Technologies · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCathodeProton exchange membrane fuel cellElectrochemistryElectrolyteDiffusion layerMaterials scienceChemical engineeringChemistryHeat transferDiffusionElectrochemical kineticsThermal conductionBoundary layerElectrodeChemical physicsCatalysisMechanicsThermodynamicsLayer (electronics)Composite materialPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Cathode over potential represents the single largest cell voltage loss mechanism in PEM fuel cells. The loss is mainly attributed to the slow nature of oxygen transport and sluggish electrochemical kinetics. These form the focus of the present study. The cathode catalyst layer is assumed to be composed of a uniform distribution of catalyst, liquid water, electrolyte, and void space. A serpentine flow field is used to distribute the oxidant over the active cathode electrode surface, with pressure loss in the flow direction along the channel. Both the convection and diffusion process occur in the electrode backing layer and the catalyst layer. The Stefan-Maxwell equation is used to model the multi-species diffusion. The two-dimensional numerical simulation highlights the transport process of oxygen, electron and proton in the catalyst layer, and their impact on the electrochemical process and the current density distribution. It is found that electron transfer to the reaction site leads to more cell losses than proton transfer. Most of the losses from electron transfer occur in the bipolar plate and backing layer. Thus, efforts should be focused on the improvement of those two domains. In addition, the assumption of water being in the vapour form everywhere cannot hold when the inlet relative humidity is high. Therefore, modeling liquid water is essential for a better understanding of the electrochemical process.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,206
Écart entre enseignants0,200 · 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 tête enseignante, 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

Citations3
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Low-Carbon TechnologiesMême sujetFuel Cells and Related MaterialsTravaux en français237 207