MétaCan
Menu
Retour à la cohorte
Enregistrement W3184977222 · doi:10.5539/eer.v11n2p19

Energy and Exergy Analysis of an Indirect-Mode Natural Convection Solar Dryer for Maize

2021· article· en· W3184977222 sur OpenAlexvenueno aff
Isaac N. Simate

Notice bibliographique

RevueEnergy and Environment Research · 2021
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar Thermal and Photovoltaic Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExergyExergy efficiencyEnvironmental scienceSolar dryerEnergy analysisGrain dryingMoistureSolar energyMaterials scienceEnvironmental engineeringWaste managementEnergy (signal processing)Composite materialMathematicsEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

The energy and exergy analysis of an indirect-mode natural convection solar dryer for maize grain is presented. Two different sizes of maize grain bed depths of 0.04 m and 0.02 m translating into grain loads of 10 kg and 5 kg respectively, are used in the study to determine their effects on the collector energy and exergy efficiencies and the drying chamber exergy efficiency. Experiments were carried out using an indirect-mode laboratory solar dryer under a solar simulator with a radiation setting of 634.78 W/m2. The analysis gave average collector energy efficiencies of 33.3 % and 46.2 % for the 10 kg and 5 kg loads, respectively, which are higher than the collector exergy efficiencies of 2.4 % and 2.6 % for the 10 kg and 5 kg loads, respectively. The drying chamber exergy efficiencies are 45.2 % and 28.4 % for the 10 kg and 5 kg loads, respectively. In view of this, the 5 kg load is considered to be more efficient at extracting energy from the collector due to higher air flow resulting from its relatively thin grain bed depth of 0.02 m, but less efficient in utilising the extracted energy to evaporate moisture from the grain which has resulted in a lower drying chamber exergy efficiency. Further, the exergy loss in the drying chamber for the 5 kg load is higher than that in the 10 kg load as 72.3 % of the exergy entering the drying chamber is lost through emissions as well as destroyed through internal irreversibility compared to 57.0 % for the 10 kg load. 

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)0,000
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 enseignants0,349
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,028
Tête enseignante GPT0,286
Écart entre enseignants0,258 · 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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy and Environment ResearchMême sujetSolar Thermal and Photovoltaic SystemsTravaux en français237 207