MétaCan
Menu
Retour à la cohorte
Enregistrement W3039955414 · doi:10.1002/er.5525

Development and evaluation of an integrated solid oxide fuel cell system for medium airplanes

2020· article· en· W3039955414 sur OpenAlexaff
Reza Alizade Evrin, İbrahim Dinçer

Notice bibliographique

RevueInternational Journal of Energy Research · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvancements in Solid Oxide Fuel Cells
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésExergySolid oxide fuel cellYield (engineering)HydrogenProcess engineeringOxideNuclear engineeringHydrogen fuelMaterials scienceFuel cellsOperating temperatureExergy efficiencyMechanical engineeringChemical engineeringThermodynamicsEnvironmental scienceEngineeringChemistryElectrical engineeringComposite materialMetallurgyPhysical chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

This paper concerns a solid oxide fuel cell (SOFC) based integrated powering system for a medium-sized airplane and analyzes it thermodynamically for its performance assessment and evaluation. It further investigates the system in relation to aircraft operating conditions and provides the conceptual solutions for heating and cooling at various temperatures. The results of the energy and exergy analyses and performance assessments of the proposed integrated system are presented and discussed. The exergy and energy efficiencies of the main components are calculated and observed for the SOFCs with the maximum values of 84.54% and 80.31%, respectively. The present integrated system has overall energy and exergy efficiencies of 57.53% and 47.18%, respectively. Furthermore, it is found that an increase in the reforming temperature ratio can improve the hydrogen yield. However, when the system is operated at a temperature higher than 800°C, the hydrogen yield decreases since a reverse water gas shift reaction is more pronounced. Moreover, the SOFC shows the best performance at 800°C with a maximum power density of 1.23 W/cm2.

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)0,004
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 enseignants0,019
Score d'incertitude au seuil0,323

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
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 ouverte0,0010,000
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 Opus0,116
Tête enseignante GPT0,413
Écart entre enseignants0,297 · 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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Energy ResearchMême sujetAdvancements in Solid Oxide Fuel CellsTravaux en français237 207