MétaCan
Menu
Retour à la cohorte
Enregistrement W3009842470 · doi:10.1016/j.egyr.2019.11.076

Investigation of thermo-physical fluid properties effect on binary fluid ejector performance

2020· article· en· W3009842470 sur OpenAlexaff
Mouhammad El Hassan, Hassan Assoum, Nikolay Bukharin, Kamel Abed-Meraïm, Anas Sakout

Notice bibliographique

RevueEnergy Reports · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensSAIT PolytechnicUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésRenewable energyWaste heatEnvironmental scienceHeat pump and refrigeration cycleOrganic Rankine cycleProcess engineeringWorking fluidThermal energyGas compressorStirling engineSolar energyMechanical engineeringRefrigerationNuclear engineeringHeat exchangerThermodynamicsEngineeringRefrigerantElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Supersonic Ejector (SE) is a thermally-driven fluidic compressor that replaces the electro-mechanical compressor in Reverse-Rankine refrigeration/heat pump cycles. These widely used thermal cycles account for billions of kWh of electric energy and produce hundreds of millions of metric tons of atmospheric carbon yearly in North America. As compared to mechanical compressors, ejectors are simple mechanical devices with no moving parts. It can be configured to provide residential and commercial space heating/cooling and water heating, industrial process heating/cooling, industrial distillation/desalination and drying. Rather than electricity, SE-based systems can make direct use of many forms of thermal energy including solar thermal, waste heat, biogas, or natural gas, depending on emission targets, price, or availability. It is known that the SE systems have a lower thermal efficiency as compared to mechanical compressor because of its lower performance at high compression ratios. Highly efficient ejector would thus play a critical role in unlocking the wide spread use of renewable energy such as waste heat, solar thermal, and geothermal. Even in the absence of renewable energy, such a device would enable fuel switching from electricity to natural gas, which would save 65 to 75% on energy costs, and relieve the power grid during peak times. In the present study, Computational Fluid Dynamics (CFD) is used to study the effect of fluids thermo-physical properties including molecular mass, viscosity and specific heat ratio on the performance of an ejector for distillation applications. It is found that molecular mass and specific heat ratio can significantly affect the entrainment ratio of the ejector and consequently the COP of the refrigeration system.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,015
Tête enseignante GPT0,183
Écart entre enseignants0,169 · 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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ReportsMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207