MétaCan
Menu
Retour à la cohorte
Enregistrement W2943297887 · doi:10.5539/enrr.v9n2p42

Systematic Studies of the High Output Thermoelectric Power Generation

2019· article· en· W2943297887 sur OpenAlexvenueno aff
Anjun Jin, D. Liu, Qiangsheng Li, Xin Liang, Zhenguo Shi, Z. Li, J. Zhao

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2019
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvanced Thermoelectric Materials and Devices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThermoelectric generatorStack (abstract data type)Thermoelectric effectThermoelectric materialsPower (physics)VoltageMaterials scienceSeebeck coefficientDual (grammatical number)Engineering physicsComputer scienceElectrical engineeringMechanical engineeringAutomotive engineeringElectronic engineeringEngineeringThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Authors have methodically investigated the alternative energy technologies based upon thermoelectricity generation. Firstly, its power is systematically investigated under various work conditions in thermoelectric applications. In addition, they have modeled, designed, and constructed the thermoelectric power system. Moreover, they have invented a state-of-the-art table-top instrument that may evaluate several critical thermoelectric characters in situ. Several aspects of the thermoelectric features are characterized in situ that include the efficiency, force response curve, current-voltage (i.e., I-V) curve, power-voltage (P-V) curve, and the power versus temperature (P-T) responses. Furthermore, they have successfully built a high-power heat harvester and have applied to the automotive case study in details. Finally, they have obtained the multi-stack thermoelectric devices that have improved characters; e.g., both the power output and the thermoelectric efficiency have improved in comparison to the devices commercially available. The investigation leads to 19+% efficiency in triple stack devices and 10+% in dual-stack.

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)0,001
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 enseignants0,018
Score d'incertitude au seuil0,286

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,028
Tête enseignante GPT0,293
Écart entre enseignants0,265 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetAdvanced Thermoelectric Materials and DevicesTravaux en français237 207