MétaCan
Menu
Retour à la cohorte
Enregistrement W2775043845 · doi:10.1002/ente.201700417

Numerical Study on the Combined Heat and Mass Recovery Adsorption Cooling Cycle

2017· article· en· W2775043845 sur OpenAlexaff
Xuan Quang Duong, Ngoc Vi Cao, Sang Woo Hong, Sang Hyeok Ahn, Jae Dong Chung

Notice bibliographique

RevueEnergy Technology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdsorption and Cooling Systems
Établissements canadiensNexen (Canada)
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésCoefficient of performanceHeat recovery ventilationThermodynamicsMaterials scienceAdsorptionChemistryHeat pumpHeat exchangerPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract A numerical simulation of the performance of a fin‐tube‐type adsorption bed with silica gel/water working pairs was conducted. Three models of the heat recovery cycle, the mass recovery cycle, and a combined heat and mass recovery cycle were closely examined. The main goals were to determine 1) the conditions under which these advanced cycles were most effective and 2) the optimum recovery time. Mass recovery enhanced both the coefficient of performance (COP) and specific cooling power (SCP) by up to 24 and 37.5 %, respectively, at 60 °C, and the enhancements of the COP and SCP were 5.0 and 16.0 %, respectively, at 90 °C. Heat recovery increased the COP by 12.56 %, but reduced the SCP by 10.84 % at 60 °C, whereas, at 90 °C, the COP increased by 11.83 % and SCP decreased by 5.96 %. The mass recovery is more influential at a low heating temperature than that at a high heating temperature. Therefore, in the combined heat and mass recovery cycles, the main contribution to the enhancement of the COP comes from mass recovery at lower water temperature. However, at a high heating temperature, the COP increases mainly due to heat recovery.

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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,220
Écart entre enseignants0,210 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy TechnologyMême sujetAdsorption and Cooling SystemsTravaux en français237 207