MétaCan
Menu
Retour à la cohorte
Enregistrement W3175229325 · doi:10.1115/1.4050887

Analysis of an Integrated Thermal Energy System for Applications in Cold Regions

2021· article· en· W3175229325 sur OpenAlexaffabout
Bismark Addo‐Binney, Wahid Besada, Martin Agelin‐Chaab

Notice bibliographique

RevueJournal of Energy Resources Technology · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueWind Energy Research and Development
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésHeat pumpCoefficient of performanceEvaporatorEnvironmental scienceWind powerExergyAir source heat pumpsElectricityMeteorologyExergy efficiencyTurbineHeating systemMarine engineeringAutomotive engineeringProcess engineeringEngineeringHeat exchangerMechanical engineeringElectrical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

Abstract This paper performed analyses on a proposed direct wind-powered heat pump integrated with a pond which serves as an evaporator for space heating in cold regions. The analysis was conducted using environmental data for selected locations in Canada and the engineering equation solver (EES). Three different pairings of heat pumps and wind turbines were studied (a wind-powered heat pump with a pond as an evaporator, wind-powered heat pump without a pond, and an electricity-powered heat pump (EPHP)). Energy and exergy analyses were performed on the systems. The novelty in the present study is in the use of a wind turbine to directly power the heat pump and using a pond as the evaporator. The results show that the proposed system has the highest coefficient of performance (COP) compared with the others. The average coefficient of performance for the selected locations is 2.7, which is at least 67% better than the others. Similarly, the overall exergy for the proposed system is 16.9%, which is at least 40% better than the others. The average heating capacity of the selected locations for the proposed system is 4.5 kW, which is from 29% to 300% better than the others. Additionally, the sustainability index (SI) for the proposed system is the highest for the proposed system. The results have shown that the proposed system has superior overall performance for space heating in cold regions.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,667
Score d'incertitude au seuil0,426

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,222
Écart entre enseignants0,214 · 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'étudeSimulation ou modélisation
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

Citations10
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Energy Resources TechnologyMême sujetWind Energy Research and DevelopmentTravaux en français237 207