MétaCan
Menu
Retour à la cohorte
Enregistrement W3210929194 · doi:10.1051/e3sconf/202131303002

Investigation of effect of heat exchanger size on power output in low-temperature difference Stirling engines

2021· article· en· W3210929194 sur OpenAlexaff
Linda Hasanovich, David S. Nobes

Notice bibliographique

RevueE3S Web of Conferences · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Thermodynamic Systems and Engines
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésStirling engineRegenerative heat exchangerHeat exchangerHeat engineStirling cycleThermal efficiencyMechanical engineeringHeat transferThermodynamicsNuclear engineeringVolume (thermodynamics)Materials scienceMechanicsEngineeringChemistryPhysics

Résumé

récupéré en direct d'OpenAlex

The Stirling engine is capable of converting any source of thermal energy into kinetic energy, which makes it an attractive option for utilizing low-temperature sources such as geothermal or waste heat below 100 °C. However, at these low temperatures, the effects of losses are proportionally higher due to the lower thermal potential available. One such significant loss is excess dead volume, wherein a significant contributor is the heat exchangers. The heat exchangers must be selected to optimize power output by minimizing the dead volume loss while maximizing the heat transfer to and from the engine. To better understand what the optimal geometry of the heat exchanger components is, a Stirling engine is modelled using a third-order commercial modelling software (Sage) and trends of engine properties of power, temperature, and pressure for different heat exchanger geometries are observed. The results indicate that there is an optimum heat exchanger volume and geometry for low temperature Stirling engines. This optimum is also affected by other engine properties, such as regenerator size and engine speed. These results provide insight into the optimal geometry of these components for low-temperature Stirling engines, as well as providing design guidance for future engines to be built.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,009
Tête enseignante GPT0,208
Écart entre enseignants0,200 · 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 source (Gemma direct ou Codex distillé), 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 revueE3S Web of ConferencesMême sujetAdvanced Thermodynamic Systems and EnginesTravaux en français237 207