Heat to H<sub>2</sub>:<sub/>Using Waste Heat to Set Up Concentration Differences for Reverse Electrodialysis Hydrogen Production
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The present work suggests two concepts for producing hydrogen by reverse electrodialysis. Reverse electrodialysis is a technology that uses concentration differences to create electrical energy. In this work, the energy is utilised as direct hydrogen production within a closed-loop system. For both system alternatives, waste heat is used to set up the mentioned concentration differences. The first concept is evaporation, where heat is added to boil off excess water from a concentrated solution and thereby increase its concentration. The second concept removes heat in order to precipitate excess salt. For the precipitation concept to work, a salt where the solubility is highly dependent on temperature must be used. KNO3 fulfils this requirement. As part of a proof of concept, the conductivity of membranes soaked in KNO3 was investigated. The conductivity of the salt in two commercialised membranes, Fumatech FKE-50 and FAS-30, was measured and compared to NaCl in the same membranes. The conductivity of K+ in FKE-50 was found to be 4.5 and 6.6 mS cm−1 at 25◦C and 40◦C respectively. The conductivity of NO−3 in FAS-30 was found to be 4.3 mS cm−1 and 6.5 mS cm−1 at 25◦C and 40◦C respectively. Neither of the membranes change conductivity with soaking concentrations. The conductivity at 40◦C compared to 25◦C is significantly better in the FKE membrane, and seemingly better in the FAS membrane. Potential peak power densities for a RED unit cell is 1.29 W m−2 with the precipitation system, and 28.1 W m−2 when evaporation is used.
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.
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 | 0,001 |
| 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 découle