MétaCan
Menu
Retour à la cohorte
Enregistrement W2121660915 · doi:10.1115/1.2909610

Exergy Analysis of Condensation of a Binary Mixture With One Noncondensable Component in a Shell and Tube Condenser

2008· article· en· W2121660915 sur OpenAlexafffund
Yousef Haseli, İbrahim Dinçer, G.F. Naterer

Notice bibliographique

RevueJournal of Heat Transfer · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensOntario Tech University
Organismes subventionnairesAtomic Energy of Canada Limited
Mots-clésExergyExergy efficiencyCondenser (optics)Mass flow rateThermodynamicsCondensationDimensionless quantityMechanicsHeat exchangerMaterials scienceEnvironmental scienceVolumetric flow rateMass flowShell and tube heat exchangerPhysics

Résumé

récupéré en direct d'OpenAlex

The exergy (second-law) efficiency is formulated for a condensation process in a shell and one-path tube exchanger for a fixed control volume. The exergy efficiency ηex is expressed as a function of the inlet and outlet temperatures and mass flow rates of the streams. This analysis is utilized to assess the trend of local exergy efficiency along the condensation path and evaluate its value for the entire condenser, i.e., overall exergy efficiency. The numerical results for an industrial condenser, with a steam-air mixture and cooling water as working fluids, indicate that ηex is significantly affected by the inlet cooling water and environment temperatures. Further investigation shows that other performance parameters, such as the upstream mixture temperature, air mass flow rate, and ratio of cooling water mass flow rate to upstream steam mass flow rate, do not have considerable effects on ηex. The investigations involve a dimensionless ratio of the temperature difference of the cooling water and environment to the temperature difference of condensation and the environment. Numerical results for various operational conditions enable us to accurately correlate both the local and overall exergy efficiency as linear functions of dimensionless temperature.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,387
Score d'incertitude au seuil0,456

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,012
Tête enseignante GPT0,196
Écart entre enseignants0,184 · 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

Citations6
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Heat TransferMême sujetHeat Transfer and OptimizationTravaux en français237 207