MétaCan
Menu
Retour à la cohorte
Enregistrement W3134566213 · doi:10.3390/su13052871

Effect of the Quasi-Petal Heat Transfer Tube on the Melting Process of the Nano-Enhanced Phase Change Substance in a Thermal Energy Storage Unit

2021· article· en· W3134566213 sur OpenAlexaff
Mohammad Ghalambaz, S.A.M. Mehryan, Reza Kalantar Feeoj, Ahmad Hajjar, Obai Younis, Pouyan Talebizadehsardari, Wahiba Yaïci

Notice bibliographique

RevueSustainability · 2021
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésMaterials scienceHeat transferHeat transfer enhancementPhase-change materialComposite materialThermal energy storageThermal energyShell and tube heat exchangerThermodynamicsChemical engineeringHeat transfer coefficientThermal

Résumé

récupéré en direct d'OpenAlex

The melting heat transfer of nano-enhanced phase change materials was addressed in a thermal energy storage unit. A heated U-shape tube was placed in a cylindrical shell. The cross-section of the tube is a petal-shape, which can have different amplitudes and wave numbers. The shell is filled with capric acid with a fusion temperature of 32 °C. The copper (Cu)/graphene oxide (GO) type nanoparticles were added to capric acid to improve its heat transfer properties. The enthalpy-porosity approach was used to model the phase change heat transfer in the presence of natural convection heat transfer effects. A novel mesh adaptation method was used to track the phase change melting front and produce high-quality mesh at the phase change region. The impacts of the volume fraction of nanoparticles, the amplitude and number of petals, the distance between tubes, and the angle of tube placements were investigated on the thermal energy rate and melting-time in the thermal energy storage unit. An average charging power can be raised by up to 45% by using petal shape tubes compared to a plain tube. The nanoadditives could improve the heat transfer by 7% for Cu and 11% for GO nanoparticles compared to the pure phase change material.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,028
Score d'incertitude au seuil0,459

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,019
Tête enseignante GPT0,298
Écart entre enseignants0,278 · 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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetPhase Change Materials ResearchTravaux en français237 207