AC Dielectric Strength of Mineral Oil-Based Fe<sub>3</sub>O<sub>4</sub> and Al<sub>2</sub>O<sub>3</sub> Nanofluids
Notice bibliographique
Résumé
This paper deals with experimental study of the influence of conductive (Fe3O4) and insulating (Al2O3) nanostructured particles at various concentrations on the dielectric strength of transformer mineral oil. The method of preparation and characterization of these nanofluids (NFs) through the measurements of zeta potential, the real and imaginary parts of dielectric constant as well as the concentration and size of nanoparticles using Scanning Electron Microscope (SEM) images of nanoparticles powders and Dispersive x-ray Spectroscopy (EDS) analysis are presented. Experimental findings reveal that these two types of nanoparticles materials significantly improve AC breakdown voltage and the magnitude of this improvement depends on the concentration, size and nature (material) of nanoparticles. For a given type of nanoparticles, the effect is more marked with the smallest nanoparticles. The conductive nanoparticles offer higher enhancement of dielectric strength compared with insulating nanoparticles based nanofluids. With Fe3O4, the breakdown voltage (BDV) can exceed twice that of mineral oil and it increases by more than 76% with Al2O3. The physicochemical mechanisms implicated in this improvement are discussed.
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 | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,010 | 0,012 |
| Méta-épidémiologie (sens large) | 0,010 | 0,005 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».