MétaCan
Menu
Retour à la cohorte
Enregistrement W2341680010 · doi:10.1504/ijex.2016.075879

Energy and exergy analyses of a residential cold thermal energy storage system

2016· article· en· W2341680010 sur OpenAlexaff
Canan Acar, İbrahim Dinçer

Notice bibliographique

RevueInternational Journal of Exergy · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésExergyExergy efficiencyEnvironmental scienceWork (physics)SlurryProcess engineeringEfficient energy useThermal energy storageWaste managementEnvironmental engineeringThermodynamicsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

In this study, a practical ice-slurry thermal energy system is considered to meet a building's cooling demands. Hourly system analyses are conducted, including total work and heat loads, rate of exergy destruction, exergy efficiency and COP. The effects of varying ambient conditions on the charging, storage, and discharging periods are also investigated. Exergy destruction and exergy efficiency concepts are studied to consider irreversibilities to address the consequences of non-conservation of exergy. Focusing at different times, cooling demands, and identifying the exergy efficiency and destructions at charging at discharging periods and the system's exergetic performance give an idea about 'the availability of work' lost in different subunits and at different ambient temperatures. The results show that during the peak cooling demand of the residential unit, the rate of exergy destruction is about 64 kW, the exergy efficiency is about 47%, and the highest COP becomes about 2.45, respectively.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,392

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 Opus0,032
Tête enseignante GPT0,304
Écart entre enseignants0,271 · 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

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ExergyMême sujetPhase Change Materials ResearchTravaux en français237 207