MétaCan
Menu
Retour à la cohorte
Enregistrement W3184849730 · doi:10.3390/membranes11080556

Feasibility of Pressure-Retarded Osmosis for Electricity Generation at Low Temperatures

2021· article· en· W3184849730 sur OpenAlexafffund
Elham Abbasi-Garravand, Catherine N. Mulligan

Notice bibliographique

RevueMembranes · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensConcordia University
Organismes subventionnairesMitacsConcordia University
Mots-clésOsmotic powerPressure-retarded osmosisFoulingMembraneForward osmosisSalinityElectricity generationPower densityOsmosisMembrane foulingEnvironmental scienceEnvironmental engineeringChemical engineeringOsmotic pressureMaterials scienceReverse osmosisPressure gradientElectricityChemistryPower (physics)EngineeringMechanicsThermodynamicsElectrical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

A membrane-based technique for production of pressure-retarded osmosis (PRO) is salinity gradient energy. This sustainable energy is formed by combining salt and fresh waters. The membrane of the PRO process has a significant effect on controlling the salinity gradient energy or osmotic energy generation. Membrane fouling and operating conditions such as temperature have an extreme influence on the efficiency of the PRO processes because of their roles in salt and water transportation through the PRO membranes. In this study, the temperature impact on the power density and the fouling of two industrial semi-permeable membranes in the PRO system was investigated using river and synthetic sea water. Based on the findings, the power densities were 17.1 and 14.2 W/m2 at 5 °C for flat sheet and hollow fiber membranes, respectively. This is the first time that research indicates that power density at low temperature is feasible for generating electricity using PRO processes. These results can be promising for regions with high PRO potential that experience low temperatures most of the year.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,004
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)0,0000,000
Bibliométrie0,0000,000
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 Opus0,028
Tête enseignante GPT0,265
Écart entre enseignants0,238 · 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

Citations13
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMembranesMême sujetMembrane Separation TechnologiesTravaux en français237 207