MétaCan
Menu
Retour à la cohorte
Enregistrement W2887753853 · doi:10.3390/en11082028

Temperature and Velocity Effects on Mass and Momentum Transport in Spacer-Filled Channels for Reverse Electrodialysis: A Numerical Study

2018· article· en· W2887753853 sur OpenAlexaff
Zohreh Jalili, Jon G. Pharoah, Odne Stokke Burheim, Kristian Etienne Einarsrud

Notice bibliographique

RevueEnergies · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMembrane-based Ion Separation Techniques
Établissements canadiensQueen's University
Organismes subventionnairesNorges ForskningsrådNorges Teknisk-Naturvitenskapelige Universitet
Mots-clésPressure dropConcentration polarizationMass transferMechanicsMaterials scienceReynolds numberHeat transferDrop (telecommunication)TurbulenceComputational fluid dynamicsElectrodialysisChemistryMembraneMechanical engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Concentration polarization is one of the main challenges of membrane-based processes such as power generation by reverse electrodialysis. Spacers in the compartments can enhance mass transfer by reducing concentration polarization. Active spacers increase the available membrane surface area, thus avoiding the shadow effect introduced by inactive spacers. Optimizing the spacer-filled channels is crucial for improving mass transfer while maintaining reasonable pressure losses. The main objective of this work was to develop a numerical model based upon the Navier–Stokes and Nernst–Planck equations in OpenFOAM, for detailed investigation of mass transfer efficiency and pressure drop. The model is utilized in different spacer-filled geometries for varying Reynolds numbers, spacer conductivity and fluid temperature. Triangular corrugations are found to be the optimum geometry, particularly at low flow velocities. Cylindrical corrugations are better at high flow velocities due to lower pressure drop. Enhanced mass transfer and lower pressure drop by elevating temperature is demonstrated.

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 enseignants0,010
Score d'incertitude au seuil0,020

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
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 Opus0,006
Tête enseignante GPT0,234
Écart entre enseignants0,228 · 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

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetMembrane-based Ion Separation TechniquesTravaux en français237 207