Development of an Efficient System for Blue Energy Production Based on Reverse Electrodialysis (RED) by Optimizing Electrolyte Composition: Experimental and Theoretical Simulations
Notice bibliographique
Résumé
Herein, the effect of electrolyte composition (single vs salt mixture) on the performance of reverse electrodialysis (RED) has been investigated using lab-made sulfonated poly(ether ether ketone) (sPEEK) cation exchange membrane (CE) membrane and Neosepta, a commercially available anion exchange (AE) membrane. The efficiency of the RED cell was monitored by measuring open-circuit voltage (OCV), power density (PD), and gross power density (PDgross). The effect of feed solution flow and concentration was analyzed by using several electrolytes (LiCl, NaCl, KCl, and NH4Cl) and mixed composition (NaKCl and NaNH4Cl). NaCl solution among single electrolytes exhibited the highest performance with a PD of 1.77 Wm–2, which was improved further by intermixing with KCl and NH4Cl. For the case of binary mixtures, NaNH4Cl showed a PD of 2.51 Wm–2, which is 42% higher compared to that of NaCl possibly due to the inferior stack resistance. A molecular dynamics (MD) simulation was performed to further investigate the adsorption-diffusion properties of CEM and AEM at the molecular scale. A positive correlation was observed between MD simulation and experimental measurements regarding the competitive adsorption of cations into the sPEEK membrane with the following trend NH4+ > K+ > Na+ > Li+, which is associated with the ionic radius and hydration energies of respective cations.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».