MétaCan
Menu
Retour à la cohorte
Enregistrement W2071599933 · doi:10.1021/ef901212n

Efficiency Analysis of Natural Gas Residential Micro-cogeneration Systems

2010· article· en· W2071599933 sur OpenAlexaff
Amir A. Aliabadi, Murray J. Thomson, James S. Wallace

Notice bibliographique

RevueEnergy & Fuels · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensUniversity of TorontoUniversity of New BrunswickUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésExergyStirling engineCogenerationProcess engineeringNatural gasInternal combustion engineEnvironmental scienceSpark-ignition enginePrimary energyCombustionIgnition systemWaste managementElectricity generationAutomotive engineeringPower (physics)EngineeringRenewable energyMechanical engineeringChemistryThermodynamicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Many micro-combined heat and power (micro-CHP) technologies have emerged in the residential market in the recent years. However, the selection of a particular micro-CHP system for an application and investigating the trade-offs between micro-CHP and centralized power remain a problem. The present analysis compares three micro-CHP systems on the basis of energy, exergy, and marginal efficiencies. The systems feature different energy conversion technologies: Stirling engine (WhisperGen), spark-ignition internal combustion (IC) engine (FreeWatt), and polymer electrolyte fuel cell (PEFC) (EBARA Ballard). These systems are fueled by natural gas and produce power and heat for residential applications. The analysis suggests that the IC system provides the highest energy and exergy efficiencies at higher heat use (η energy = 76.7%, η exergy = 57.2%, and f = 0.71), while the PEFC operates at higher energy and exergy efficiencies at lower heat use (η energy > 29.0%, η exergy > 32.0%, and f > 0.00). The PEFC system exhibits the greatest marginal efficiency at any heat use (η marginal > 32.0% and f > 0.00). Other important issues such as price, maintenance, noise, and emissions are discussed. The Stirling engine is the least expensive that requires the least maintenance. The fuel cell is the least noisy system with the least amount of emissions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,695
Score d'incertitude au seuil0,525

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 Opus0,003
Tête enseignante GPT0,199
Écart entre enseignants0,195 · 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

Citations31
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207