MétaCan
Menu
Retour à la cohorte
Enregistrement W4210880463 · doi:10.1109/iaecst54258.2021.9695865

Flow battery: An energy storage alternative for hydropower station

2021· article· en· W4210880463 sur OpenAlexaff
Wei Ding, Qianbo Sheng, Jiayi Zhang, Zhu X

Notice bibliographique

Revue2021 3rd International Academic Exchange Conference on Science and Technology Innovation (IAECST) · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced battery technologies research
Établissements canadiensQueen's UniversityDalhousie University
Organismes subventionnairesnon disponible
Mots-clésFlow batteryEnergy storageRenewable energyVanadiumBattery (electricity)Process engineeringPumped-storage hydroelectricityEnvironmental scienceEnergy flowComputer data storageComputer scienceWaste managementEngineeringElectrical engineeringEnergy (signal processing)Power (physics)Materials scienceDistributed generation

Résumé

récupéré en direct d'OpenAlex

Flow batteries (e.g., Vanadium flow batteries) are largely used as ample energy storage for renewable energy, which are highly commercialized as the most attractive storage techniques for power storage on large scales. However, relatively high costs and potential toxicity related to vanadium should be solved for future energy storage applications. New materials like AQDS (9,10-anthraquinone-2,7-disulphonic acid) are used as a replacement with low environmental impact and much lower costs. Based on the research focused on the flow battery system, it is concluded that AQDS could be a highly competitive material used for large-scale energy storage systems. These results shed light on future possibilities of renewable energy storage and development for more efficient material of flow battery.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,509
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,051
Tête enseignante GPT0,343
Écart entre enseignants0,292 · 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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2021 3rd International Academic Exchange Conference on Science and Technology Innovation (IAECST)Même sujetAdvanced battery technologies researchTravaux en français237 207