MétaCan
Menu
Retour à la cohorte
Enregistrement W2970517786 · doi:10.1615/thmt-18.1050

Heat transfer in a fixed bed of particles for energy storage: a multi-scale numerical study

2018· article· en· W2970517786 sur OpenAlexaff
M. Belot, Thanh-Tong Phan, Florian Euzenat, J-L. Pierson, David Teixeira, Guillaume Vinay, Quentin Falcoz, Adrien Toutant, Anthony Wachs

Notice bibliographique

RevueProceeding of THMT-18. Turbulence Heat and Mass Transfer 9 Proceedings of the Ninth International Symposium On Turbulence Heat and Mass Transfer · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat and Mass Transfer in Porous Media
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCompressed air energy storageThermal energy storageHeat transferEnergy storageMechanicsAdiabatic processRenewable energyIntermittencyDiscrete element methodMaterials sciencePorosityParticle (ecology)Environmental scienceProcess engineeringThermodynamicsPower (physics)PhysicsEngineeringTurbulenceElectrical engineeringGeologyComposite material

Résumé

récupéré en direct d'OpenAlex

Electricity storage, like Advanced Adiabatic Compressed Air Energy Storage (AA-CAES), is a potential solution to address the problem of intermittency of renewable power sources. AA-CAES stores not only the compressed air, but also the heat released upon compression of the air, in a Thermal Energy Storage (TES) system which plays a prevailing role in the global efficiency of AA-CAES process. At IFP Energies nouvelles, we develop TES systems based on fixed bed reactors to store heat in particles. The objective of this study is to investigate the impact of different parameters (porosity, particulate Reynolds number, presence of walls) on heat transfers within the bed thanks to different numerical approaches at different scales: at the particle scale using Particle Resolved Simulation (Fictitious Domain / Discrete Element Methods (DEM) or body-fitted approach), at a small bed of particles scale (DEM-CFD model) or at the full bed scale (Continuous Porous Media model).

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 enseignants0,012
Score d'incertitude au seuil0,023

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,250
Écart entre enseignants0,231 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceeding of THMT-18. Turbulence Heat and Mass Transfer 9 Proceedings of the Ninth International Symposium On Turbulence Heat and Mass TransferMême sujetHeat and Mass Transfer in Porous MediaTravaux en français237 207