MétaCan
Menu
Retour à la cohorte
Enregistrement W2116136090 · doi:10.1149/1.2731045

Transient Analysis of Hydrogen Sulfide Contamination on the Performance of a PEM Fuel Cell

2007· article· en· W2116136090 sur OpenAlexaff
Zheng Shi, Datong Song, Jiujun Zhang, Zhongsheng Liu, Shanna Knights, Rajeev Vohra, Nengyou Jia, David J. Harvey

Notice bibliographique

RevueJournal of The Electrochemical Society · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensBallard Power Systems (Canada)BC Innovation CouncilNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésProton exchange membrane fuel cellOverpotentialAnodeCurrent densityContaminationSteady state (chemistry)Degradation (telecommunications)Exchange current densityHydrogen sulfideCurrent (fluid)ChemistryMaterials scienceChemical engineeringAnalytical Chemistry (journal)CatalysisElectrodeChromatographyElectrochemistryThermodynamicsSulfurElectrical engineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

A transient kinetic model for the anode catalyst layer of a proton exchange membrane (PEM) fuel cell is proposed to describe the performance loss introduced by the hydrogen sulfide contaminant. Reaction rates are considered as functions of cell current density and contamination level and are estimated based on the available experimental data. It is found that at a constant cell current density the surface coverage of Pt–S increases faster with time and the anode overpotential rises sharply when increasing the contamination level from 1 to 10 ppm, leading to a faster and more severe cell performance degradation. At a constant contamination level, the surface coverage of Pt–S also increases faster with time when increasing the cell current density from 0.1 to 1.0 A cm−2, resulting in faster and more severe cell performance degradation. Simulation shows that the contaminant surface coverage at steady state is governed by current density. With the same contaminant concentration, to maintain a higher current density output, a significant decrease of steady-state contaminant coverage is required, while at a lower current density, steady-state contaminants coverage increases significantly.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,169

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,004
Tête enseignante GPT0,183
Écart entre enseignants0,180 · 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

Citations45
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetFuel Cells and Related MaterialsTravaux en français237 207