MétaCan
Menu
Retour à la cohorte
Enregistrement W2517183875 · doi:10.1115/1.4034642

Numerical Investigation and Nondimensional Analysis of the Dynamic Performance of a Thermal Energy Storage System Containing Phase Change Materials and Liquid Water

2016· article· en· W2517183875 sur OpenAlexafffund
H.M. Teamah, Marilyn Lightstone, James S. Cotton

Notice bibliographique

RevueJournal of Solar Energy Engineering · 2016
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPhase-change materialThermal energy storageReynolds numberThermodynamicsMaterials scienceMechanicsThermalHeat transferMass flow rateEnthalpyVolumetric flow rateEnergy storageRange (aeronautics)PhysicsComposite materialTurbulence

Résumé

récupéré en direct d'OpenAlex

The dynamic performance of a thermal energy storage tank containing phase change material (PCM) cylinders is investigated computationally. Water flowing along the length of the cylinders is used as the heat transfer fluid. A numerical model based on the enthalpy-porosity method is developed and validated against experimental data from the literature. The performance of this hybrid PCM/water system was assessed based on the gain in energy storage capacity compared to a sensible only system. Gains can reach as high as 179% by using 50% packing ratio and 10 °C operating temperature range in water tanks. Gains are highly affected by the choice of PCM module diameter; they are almost halved as diameter increases four times. They are also affected by the mass flow rate nonlinearly. A nondimensional analysis of the energy storage capacity gains as a function of the key nondimensional parameters (Stefan, Fourier, and Reynolds numbers) as well as PCM melting temperature was performed. The simulations covered ranges of 0.1 < Stẽ < 0.4, 0 < Fo < 600, 20 < Re < 4000, 0.2<(ρCP)*<0.8, and 0.2<θm<0.8.

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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,221
Écart entre enseignants0,207 · 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

Citations27
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Solar Energy EngineeringMême sujetPhase Change Materials ResearchTravaux en français237 207