MétaCan
Menu
Retour à la cohorte
Enregistrement W2086360919 · doi:10.1002/cjce.20549

Study on the preparation of activated carbon for direct carbon fuel cell with oak sawdust

2011· article· en· W2086360919 sur OpenAlexvenueaboutno aff
Jubing Zhang, Zhaoping Zhong, Jinxiao Zhao, Min Yang, Weiling Li, Huiyan Zhang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Materials and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésActivated carbonAnodeMaterials scienceCarbon fibersChemical engineeringSawdustCatalysisGraphiteElectrochemistryBET theoryChemistryAdsorptionComposite materialElectrodeOrganic chemistryComposite number

Résumé

récupéré en direct d'OpenAlex

Abstract Direct carbon fuel cell (DCFC) is a device, which converts chemical energy of carbon into electrical energy through electrochemical oxidisation directly and its performance enormously depends on the characteristics of the fuel used. In this study, oak sawdust is used to prepare the activated carbon for the DCFC, with K 2 CO 3 as the activating agent. Nickel catalyst is applied to improve the electrical conductivity, while HNO 3 treatment is used for the purpose of surface modification and ash removal. The performance of the prepared activated carbon in DCFC is evaluated in a self‐built DCFC anode apparatus. The results show that the BET surface area of activated carbon reaches 1240 m 2 /g under the following conditions: activation temperature, 1173 K; activation time, 2 h; and impregnation ratio, 1. Electrical conductivity is well improved through the nickel catalyst while the amount of surface oxygen functional groups is increased and ash content is decreased through the HNO 3 treatment. When used as the fuel in the DCFC anode, the self‐made activated carbon exhibits predominant performance among all tested carbon fuels, including graphite, activated carbon fibre, etc. © 2011 Canadian Society for Chemical Engineering

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 enseignants0,096
Score d'incertitude au seuil0,265

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 Opus0,017
Tête enseignante GPT0,192
Écart entre enseignants0,175 · 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

Citations22
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetAdvanced Battery Materials and TechnologiesTravaux en français237 207