MétaCan
Menu
Retour à la cohorte
Enregistrement W3084435274 · doi:10.32393/csme.2020.1155

Exergy and Energy Analysis of Solar-driven Dual-loop ORC with Nano Organic Fluid

2020· article· en· W3084435274 sur OpenAlexaff
Seyedeh Elnaz Mirazimzadeh, Ofelia A. Jianu

Notice bibliographique

RevueProgress in Canadian Mechanical Engineering. Volume 3 · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueAdvancements in Solid Oxide Fuel Cells
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésExergyNano-Solar energyDual (grammatical number)Solar poweredLoop (graph theory)Exergy efficiencyDual purposeProcess engineeringEnergy (signal processing)Computer scienceEnvironmental scienceMechanical engineeringMathematicsEngineeringChemical engineeringElectrical engineeringStatistics

Résumé

récupéré en direct d'OpenAlex

A thermodynamic analysis of a regenerative solar-driven combined cooling, heating and power system of dual-loop organic rankine cycle (DORC) with flat plate solar collectors is conducted to determine the energy and exergy efficiency of the system, exergy destructions and losses along with their magnitudes and exact locations. The DORC consists of a high-temperature and a low-temperature loop, and nanofluid is used in the solar thermal sub-system to improve the heat absorption from solar collectors. In this study two recuperators are added to the DORC to improve the performance of the regenerative organic Rankine cycle and its effect on the overall produced power. The impact of connecting cooling by adding an ejector refrigeration cycle in the hightemperature loop is explored using an exergy analysis. The performance of the regenerative DORC using nanofluid in comparison to the regular DORC counterpart is discussed in terms of energy and exergy efficiencies. Energy and exergy analysis is presented to determine the irreversibilities within the systems, and based on the location of the irreversibilities, improvements are implemented. It was found that implementing recuperators in the proposad configuration increased the thermal energy efficiency and exergy efficiency by 5% and 4%, respectively.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,724
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,007
Tête enseignante GPT0,206
Écart entre enseignants0,199 · 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.

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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Canadian Mechanical Engineering. Volume 3Même sujetAdvancements in Solid Oxide Fuel CellsTravaux en français237 207