MétaCan
Menu
Retour à la cohorte
Enregistrement W2766702800 · doi:10.1016/j.proeng.2017.10.094

Performance Research on Heat Pump Using Blends of R744 with Eco-friendly Working Fluid

2017· article· en· W2766702800 sur OpenAlexaff
Xianping Zhang, Fang Wang, Zhiming Liu, Junjie Gu, Feiyu Zhu, Q.S Yuan

Notice bibliographique

RevueProcedia Engineering · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésCoefficient of performanceHeat pumpRefrigerantTranscritical cycleWorking fluidSuperheatingGas compressorThermodynamicsWork (physics)Materials scienceGlobal-warming potentialFreonEnvironmentally friendlyRefrigerationProcess engineeringNuclear engineeringEnvironmental scienceHeat exchangerEngineering

Résumé

récupéré en direct d'OpenAlex

In order to protect the environment and save energy, new refrigerants with zero ozone depleting potential, low global warming potential have been investigated by more and more researches to substitute HCFCs/ HFCs for eco-friendly working fluid. Among alternatives, non-azeotropic mixtures are becoming the more potential and important candidates. In this research, the transcritical system performances of water heater heat pump using R744/DME (dimethyl ether) binary mixture as working fluid were theoretically analyzed. On mix R744 with DME in a smaller mass fraction, both the optimum heat rejection pressure and the heating coefficient of performance (COP) are decreased. The mean relative reduction rate of optimum heat rejection pressure, however, is greater than that of heating COP. Also, the influence of superheat degree at the inlet of compressor upon the optimum heat rejection pressure and the heating COP is also discussed. The results show that the R744/DME can work as a promising alternative to replace with current widely-used Freons.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,048
Tête enseignante GPT0,284
Écart entre enseignants0,237 · 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'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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProcedia EngineeringMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207