Microbial fuel cell power overshoot studied with microfluidics: from quantification to elimination
Notice bibliographique
Résumé
Power overshoot can hinder determination of maximum power densities in microbial fuel cells (MFCs). In this work, a microfluidic approach was used to study overshoot in an MFC containing a pure culture of electroactive biofilms (EAB) containing Geobacter sulfurreducens. After 1-month operation under constant flow of an ideal nutrient medium, the MFC health began to degrade, marked by voltage loss and the appearance of anomalies in the power density curves. One such anomaly was a chronic power overshoot, accompanying a loss of both measured power and current density on the high-current side of the power density curve. The degree of power overshoot was quantified while certain flow-based interventions were applied, notably the shear erosion of the EAB outer layer. Next, two approaches to acclimation were demonstrated to treat the remaining overshoot. The standard approach, which acclimates the MFC to high currents before a standard polarization test, eliminated the remaining overshoot and returned maximum power densities to initial levels, but maximum current density remained lower than the initial level. A microfluidic-assisted “long-hold polarization test” enabled efficient in situ acclimation of each external resistor during the measurement. Despite the health-compromised MFC, this method provided long-term stability during the polarization test, resulting in power and current density measurements that exceeded those made on the healthy MFC using the standard polarization test. We conclude that slower electron transfer kinetics in unhealthy MFCs can provoke overshoot by prolonging the time to reach steady state during the polarization test, but a properly designed measurement overcomes this problem.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 tête enseignante, 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 ».