MétaCan
Menu
Retour à la cohorte
Enregistrement W4295025151 · doi:10.1016/j.cej.2022.139079

Tuning transport mechanisms in fuel-assisted solid oxide electrolysis cells for enhanced performance and product selectivity: Thermodynamic and kinetic modeling

2022· article· en· W4295025151 sur OpenAlexaff
Anders S. Nielsen, Brant A. Peppley, Odne Stokke Burheim

Notice bibliographique

RevueChemical Engineering Journal · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMethaneSyngasElectrolysisAnodeSteam reformingSolid oxide fuel cellHydrogenChemical engineeringOxideCarbon fibersWater-gas shift reactionRaw materialHydrogen productionCarbon monoxideChemistryProcess engineeringEnergy carrierMaterials scienceCatalysisOrganic chemistryElectrodeEngineering

Résumé

récupéré en direct d'OpenAlex

Fuel-assisted solid oxide electrolysis cells (FASOECs) have the capacity to generate power and valuable chemicals, simultaneously, by supplying fuels including methane, carbon monoxide, and hydrogen to a cell’s anode. Such fuels can comprise the tail gas of Fischer–Tropsch (FT) reactors and can be further exploited by FASOECs to reduce the amount of energy required to facilitate steam electrolysis. Important challenges that remain in the development of FASOECs, however, are determining the reactions that contribute to the transport phenomena of the system and how they influence the performance of these devices. To date, most numerical models of FASOECs have accounted for methane steam reforming and the water gas shift reaction in the anode, which cannot predict the onset of carbon deposition and other reactions that can occur in different regions of a cell. For the first time, a combined mass and heat transport model of an FASOEC fed with a multi-component fuel mixture is constructed to track the reaction pathways by which each component is utilized/produced and to develop strategies to enhance their performance and product selectivity. We reveal the transport regimes (and corresponding cell specifications) in which carbon deposition can be alleviated, which has been observed in previous experiments on methane-assisted solid oxide cells, and those that yield H2/CO ratios desirable for the feedstock of FT reactors. As a result of this framework, designers will have an understanding of how to select appropriate values of the design specifications and operating conditions of FASOECs, in order to augment their efficiency and product selectivity, while mitigating carbon deposition.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
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 Opus0,006
Tête enseignante GPT0,199
Écart entre enseignants0,192 · 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'étudeSimulation ou modélisation
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

Citations24
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical Engineering JournalMême sujetCatalysts for Methane ReformingTravaux en français237 207