MétaCan
Menu
Retour à la cohorte
Enregistrement W3128053792 · doi:10.3390/en14030724

Reviewing the Exergy Analysis of Solar Thermal Systems Integrated with Phase Change Materials

2021· article· en· W3128053792 sur OpenAlexaff
Macmanus Chinenye Ndukwu, Lyes Bennamoun, Merlin Simo‐Tagne

Notice bibliographique

RevueEnergies · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésExergyProcess engineeringExergy efficiencyThermal energy storageThermalSolar energyPhase-change materialThermodynamicsHeat transferEnvironmental scienceHeat transfer fluidPhotovoltaic thermal hybrid solar collectorNuclear engineeringMaterials scienceEngineeringPhysicsElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The application of thermal storage materials in solar systems involves materials that utilize sensible heat energy, thermo-chemical reactions or phase change materials, such as hydrated salts, fatty acids paraffin and non-paraffin like glycerol. This article reviews the various exergy approaches that were applied for several solar systems including hybrid solar water heating, solar still, solar space heating, solar dryers/heaters and solar cooking systems. In fact, exergy balance was applied for the different components of the studied system with a particular attention given to the determination of the exergy efficiency and the calculation of the exergy during charging and discharging periods. The influence of the system configuration and heat transfer fluid was also emphasized. This review shows that not always the second law of thermodynamics was applied appropriately during modeling, such as how to consider heat charging and discharging periods of the tested phase change material. Accordingly, the possibility of providing with inappropriate or not complete results, was pointed.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
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)0,0020,001

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 Opus0,062
Tête enseignante GPT0,289
Écart entre enseignants0,228 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetPhase Change Materials ResearchTravaux en français237 207