Thermal energy storage for smart grid applications
Notice bibliographique
Résumé
Energy consumption for commercial building cooling accounts for 15% of all commercial building’s electricity usage [1]. Electric utility companies charge their customers time of use consumption charges ($/kWh) and additionally demand usage charges ($/kW) to limit peak energy consumption and offset their high operating costs. Thus, there is an economic incentive to reduce both the electricity consumption charges and demand charges by developing new energy efficient technologies. Thermal energy storage (TES) systems using a phase change material (PCM) is one such technology that can reduce demand charges and shift the demand from on-peak to off-peak rates. Ice and chilled water have been used in thermal storage systems for many decades, but they have certain limitations, which include a phase change temperature of 0 degrees Celsius and relatively low thermal conductivity in comparison to other materials, which limit their applications as a storage medium. To overcome these limitations, a novel phase change composite (PCC) TES material was developed that has much higher thermal conductivity that significantly improves the charge / discharge rate and a customizable phase change temperature to allow for better integration with HVAC systems. Compared to ice storage, the PCC TES system is capable of very high heat transfer rate and has lower system and operational costs. Economic analysis was performed to compare the PCC TES system with ice system and favorable economics was proven. A 4.5 kWh PCC TES prototype system was also designed for testing and validation purpose.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».