MétaCan
Menu
Retour à la cohorte
Enregistrement W4236550276 · doi:10.1002/9781119713173.ch8

Case Studies

2021· other· en· W4236550276 sur OpenAlexaff
İbrahim Dinçer, Marc A. Rosen

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésThermal energy storageEnvironmental sciencePhase-change materialElectricityElectricity generationClear iceLatent heatMeteorologyCold storageAir conditioningNuclear engineeringProcess engineeringEngineeringThermalMechanical engineeringPower (physics)GeographyPhysicsThermodynamicsArctic ice packElectrical engineeringSea ice

Résumé

récupéré en direct d'OpenAlex

This chapter presents a wide range of case studies are presented to illustrate the benefits, as well as drawbacks, of thermal energy storage (TES). The cases consider applications from the commercial and institutional building sector, industry, and groups within the utility sector representing electricity generation and district heating and cooling. The types of TES represented through the case studies include both: cold TES, using ice, chilled water and phase change materials, and heat TES, using both sensible and latent storage techniques. The ice cold thermal energy storage (CTES) system selected for the facility was an ice harvester-type system. The modes of the ice CTES integrated air conditioning system are as follows: ice production, ice melting, and building cooling. There will be multiple case studies presented about ice-slurry-based cold TES systems and their applications. Solar power towers use solar radiation to heat the working fluid of an electricity generation cycle to high-temperatures.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,968

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0330,000

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 Opus0,156
Tête enseignante GPT0,376
Écart entre enseignants0,220 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetPhase Change Materials ResearchTravaux en français237 207