MétaCan
Menu
Retour à la cohorte
Enregistrement W2935940730 · doi:10.1088/1361-6463/ab199b

Energy efficiency of a nanosecond repetitively pulsed discharge for methane reforming

2019· article· en· W2935940730 sur OpenAlexafffund
Pablo Diaz Gomez Maqueo, Sylvain Coulombe, Jeffrey M. Bergthorson

Notice bibliographique

RevueJournal of Physics D Applied Physics · 2019
Typearticle
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésMethaneNanosecondChemistryMaterials scienceNuclear engineeringPhysicsOpticsOrganic chemistryEngineeringLaser

Résumé

récupéré en direct d'OpenAlex

Abstract The performance of a nanosecond repetitively pulsed discharge for CH 4 reforming is studied at atmospheric pressure for temperatures ranging from 300 to 700 K. The high-voltage pulser used is capable of producing a voltage pulse with an amplitude of 14 kV and a duration of 40 ns at a repetition frequency of 10 kHz. The discharge energy per pulse is varied in a range from 462 J to 2.47 mJ. The rotational temperature is estimated by fitting synthetic to experimental spectra. Experiments at pulsing frequency of 1 kHz led to temperature profiles that remain unchanged along the axial direction of the reactor. For pulse frequencies between 2–10 kHz, the average temperature of the filament rises from 507 to 777 K. Emission from C 2 (A –X ) is compared to emission from CH(A –X ) along the reactor axis and with respect to the energy input. It is found that as the energy input increases, so does the emission from C 2 (A –X ), turning the discharges green rather than blue. Results from CH 4 conversion show that the inlet gas temperature has negligible effect on reforming performance. Higher values of energy per pulse improve conversion and energy efficiency. However, increasing the pulse frequency leads to the best performance enhancement with a maximum slope of 0.53% and 0.24% per kJ · mol −1 for conversion and energy efficiency, respectively. The maximum conversion and energy efficiencies were 68.2% and 25.6%, respectively, measured in a CH 4 –air mixture.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,158
Score d'incertitude au seuil0,612

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,258
Écart entre enseignants0,245 · 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 tête enseignante, 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

Citations14
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics D Applied PhysicsMême sujetPlasma Applications and DiagnosticsTravaux en français237 207