Tuning Transport Mechanisms in Fuel-Assisted Solid Oxide Electrolyzers for Enhanced Performance and Product Selectivity
Notice bibliographique
Résumé
The demand for renewable energy storage systems and CO2-utilization technologies has become apparent in recent decades due to concerns related to the continuous emission of anthropogenic greenhouse gases. A promising technology that can help alleviate some of these concerns are solid oxide electrolyzers, since they have the ability to convert CO2 and steam into valuable chemicals and fuels from the electricity generated by renewable sources, including wind and solar energy. Furthermore, these devices can operate in fuel-assisted mode, wherein a reactant, such as methane, hydrogen, and/or carbon monoxide, is delivered to the anode in order to reduce its operating potential. This simple modification has been shown to decrease the operating potential by nearly one order of magnitude [1-3], and, in some instances, has enabled the cell to generate power and synthesis gas simultaneously [4-6]. Fuel-assisted solid oxide electrolyzers have therefore emerged as a compelling option for renewable energy storage and large-scale chemical production, and have begun to draw significant attention from researchers and designers. But despite previous efforts, an understanding of how to attain a desired product composition and efficiency remains unclear. The objective of the presented work, then, is to perform a scaling analysis of the transport phenomena pertinent to fuel-assisted cells, in order to develop a set of dimensionless ratios that characterize the interplay between chemical and electrochemical reactions, and advective and diffusive transport. These dimensionless ratios provide crucial information on how to control the contribution of chemical and electrochemical reactions, as well as strategies to mitigate concentration and temperature gradients within the electrodes and flow channels. This approach is intended to provide an enhanced understanding of how to increase the product selectivity and performance of fuel-assisted solid oxide electrolyzers, which will hopefully lead to enhanced electrode and cell designs. [1] A. Q. Pham, P. H. Wallman and R. S. Glass, US Patent 6,051,125 (2000). [2] F. Chen and Y. Wang, US Patent 9,574,274 (2017). [3] Y. Wang, T. Liu, S. Fang, G. Xiao, H. Wang and F. Chen, J. Power Sources, 277, 261 (2015). [4] H. Xu, B. Chen and M. Ni, J. Electrochem. Soc., 163, F3029 (2016). [5] Y. Patcharavorachot, S. Thongdee, D. Saebea, S. Authayanun and A. Arpornwichanop, Energy Convers. Manage., 120, 274 (2016). [6] H. Xu, B. Chen, J. Irvine and M. Ni, Int. J. Hydrogen Energy, 41, 21839 (2016).
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».