MétaCan
Menu
Retour à la cohorte
Enregistrement W2048721318 · doi:10.1115/imece2008-69125

Investigation of Vegetable Oil as Thermal Fluid in Parabolic Solar Collector

2008· article· en· W2048721318 sur OpenAlexaff
Mehmood Khan, M. R. Islam

Notice bibliographique

RevueVolume 10: Heat Transfer, Fluid Flows, and Thermal Systems, Parts A, B, and C · 2008
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar Thermal and Photovoltaic Systems
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésParabolic troughRenewable energyEnvironmental scienceSolar energyFossil fuelCanolaPhotovoltaic thermal hybrid solar collectorThermalPhotovoltaic systemVegetable oilThermal energySolar air conditioningHeat transfer fluidWaste managementProcess engineeringEngineeringMeteorologyChemistryElectrical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Because of limited sources of fossil fuel, renewable sources of energy are now getting concentration to meet up the huge demand of energy of modern technology. Among the renewable sources, solar energy source is considered to be the most important source because of its unlimited supply and numerous ecologically benign features. However, due to its diluted nature, it is required to concentrate this energy for fruitful utilization. Parabolic solar trough is one of the solar concentrators, for which a thermal fluid is used to absorb the solar radiation. However, most of the thermal fluids that are commonly used are synthetic and toxic in nature. In the frame of the sustainable development principles, it is necessary to establish a set of safe and non-toxic thermal oil for using in a solar collector. In this paper, both clean Canola oil and waste vegetable oil have been used as thermal oil to find out their performance. Experimental studies show a solar absorption efficiency of 77.8% and 37.67% with clean Canola oil and waste vegetable oil, respectively, can be achieved even at low solar irradiation conditions. All design criteria are investigated and reported in this paper.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
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 Opus0,020
Tête enseignante GPT0,197
Écart entre enseignants0,177 · 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

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVolume 10: Heat Transfer, Fluid Flows, and Thermal Systems, Parts A, B, and CMême sujetSolar Thermal and Photovoltaic SystemsTravaux en français237 207