The Thermal Charging Performance of Finned Conical Thermal Storage System Filled with Nano-Enhanced Phase Change Material
Notice bibliographique
Résumé
A latent heat thermal energy storage (LHTES) unit can store a notable amount of heat in a compact volume. However, the charging time could be tediously long due to weak heat transfer. Thus, an improvement of heat transfer and a reduction in charging time is an essential task. The present research aims to improve the thermal charging of a conical shell-tube LHTES unit by optimizing the shell-shape and fin-inclination angle in the presence of nanoadditives. The governing equations for the natural convection heat transfer and phase change heat transfer are written as partial differential equations. The finite element method is applied to solve the equations numerically. The Taguchi optimization approach is then invoked to optimize the fin-inclination angle, shell aspect ratio, and the type and volume fraction of nanoparticles. The results showed that the shell-aspect ratio and fin inclination angle are the most important design parameters influencing the charging time. The charging time could be changed by 40% by variation of design parameters. Interestingly a conical shell with a small radius at the bottom and a large radius at the top (small aspect ratio) is the best shell design. However, a too-small aspect ratio could entrap the liquid-PCM between fins and increase the charging time. An optimum volume fraction of 4% is found for nanoparticle concentration.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».