MétaCan
Menu
Retour à la cohorte
Enregistrement W2136657123 · doi:10.3968/j.est.1923847920130501.854

Performance Model of a Regenerative Hydrogen Bromine Fuel Cell for Grid-Scale Energy Storage

2013· article· en· W2136657123 sur OpenAlexvenueno aff
Brian Huskinson, Michael J. Aziz

Notice bibliographique

RevueEnergy science and technology · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectrolyteExchange current densityBromineHydrogenElectrodeGalvanic cellProton exchange membrane fuel cellHydrogen storageCurrent densityHydrogen fuelAnalytical Chemistry (journal)Materials scienceChemistryElectrochemistryChemical engineeringMembraneMetallurgyEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

We develop a performance model for a polymer electrolyte membrane based regenerative hydrogen-bromine fuel cell (rHBFC). The model includes four voltage loss mechanisms: ohmic loss through the membrane, hydrogen electrode activation, bromine electrode activation, and bromine electrode mass transport. We explore a large parameter space by looking at the dependences of each of these losses as a function of two “operating parameters”, acid concentration and temperature; and five “engineering parameters”, bromine electrode exchange current density, hydrogen electrode exchange current density, membrane thickness, diffusion layer thickness, and hydrogen gas pressure. The relative importance of each of the losses is explored as both the engineering parameters and operating parameters are varied. The model is also compared to published experimental results on the performance of a hydrogen-bromine cell. By varying engineering parameters and operating parameters within plausible ranges, we project that, with further research, a cell of this design could be developed that operates at greater than 90% voltage efficiency at current densities 700 mA cm­-2 in both electrolytic and galvanic modes and that has a peak galvanic power density of 2760 mW cm-2.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,009
Tête enseignante GPT0,210
Écart entre enseignants0,201 · 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 source (Gemma direct ou Codex distillé), 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

Citations21
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy science and technologyMême sujetAdvanced battery technologies researchTravaux en français237 207