MétaCan
Menu
Retour à la cohorte
Enregistrement W2099108731 · doi:10.1115/fedsm2006-98355

CFD Modeling of Gas-Liquid Flow and Heat Transfer in a High Pressure Water Electrolysis System

2006· article· en· W2099108731 sur OpenAlexafffund
V. M. Agranat, С. В. Жубрин, Aura María, J. Hinatsu, M. Stemp, Masahiro Kawaji

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueFluid Dynamics and Mixing
Établissements canadiensUniversity of TorontoHydrogenics (Canada)
Organismes subventionnairesNatural Resources Canada
Mots-clésSeparator (oil production)MechanicsComputational fluid dynamicsMaterials scienceHeat transferBubbleVolumetric flow rateThermodynamicsVolume of fluid methodTwo-phase flowMultiphase flowFlow (mathematics)Fluid dynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

A high-pressure water electrolysis system has been investigated numerically and experimentally. The advanced CFD model of two-phase flow, which calculated the 3D distributions of pressure, gas and liquid velocities and gas and liquid volume fractions, has been developed to account for all the major components in the system, and appropriate constitutive equations for two-phase flow parameters were selected for various parts of the system, such as the cell stack, riser, separator and downcomer. Heat transfer between the two phases, and between the gas-liquid mixture and cooling coils located in the gas-liquid separator was also accounted for. The model was validated using comparisons of predicted liquid flow rate with the liquid flow rate measured in the downcomer, where a single-phase liquid flow existed. The effects of pressure, current density, number of cells, and bubble size were investigated with the numerical model. The numerical predictions matched the general trends obtained from the experimental results with regard to the effects of pressure and current density on the liquid flow rate. The validated CFD model is being used as a cell design tool at Hydrogenics Corporation.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,314

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 Opus0,002
Tête enseignante GPT0,140
Écart entre enseignants0,138 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetFluid Dynamics and MixingTravaux en français237 207