MétaCan
Menu
Retour à la cohorte
Enregistrement W2263449549 · doi:10.1149/2.0701605jes

Simulation of a Full Fuel Cell Membrane Electrode Assembly Using Pore Network Modeling

2016· article· en· W2263449549 sur OpenAlexafffund
Mahmoudreza Aghighi, Michael A. Hoeh, Werner Lehnert, Geraldine Merle, Jeff T. Gostick

Notice bibliographique

RevueJournal of The Electrochemical Society · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAnodeCathodeElectrodePolarization (electrochemistry)Membrane electrode assemblyProton exchange membrane fuel cellConcentration polarizationMaterials scienceWater transportMembranePorosityElectrolyteGaseous diffusionMechanicsChemical engineeringChemistryComposite materialWater flowEnvironmental engineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

A pore network model has been applied to a both sides of a fuel cell membrane electrode assembly. The model includes gas transport in the gas diffusion layers and catalyst layers, proton transport in the catalyst layers and membrane, and percolation of liquid water. This paper presents an iterative algorithm to simulate a steady state isothermal cell with a 3D pore network model for constant voltage boundary condition. The proposed algorithm provides a simple method to couple the results of the anode and the cathode sides by iteratively solving the uncoupled equations of the transport processes. It was found that local water blockages at the GDL/CL interface not only affect concentration polarization, but also might change ohmic polarization of the cell. Depending on the liquid water configuration in the porous electrodes, the protons generated in the anode need to travel longer paths to reach the active sites of the cathode; consequently, the IR loss will be increased in the presence of liquid water. This finding highlights the strength of pore network models which resolve discrete water blockages in the electrodes.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,148
Score d'incertitude au seuil0,306

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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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

Citations49
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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