MétaCan
Menu
Retour à la cohorte
Enregistrement W4297193057 · doi:10.3390/electrochem3040040

Effect of Components and Operating Conditions on the Performance of PEM Electrolyzers: A Review

2022· review· en· W4297193057 sur OpenAlexafffund
Khaja Wahab Ahmed, Myeong Je Jang, Moon Gyu Park, Zhongwei Chen, Michael Fowler

Notice bibliographique

RevueElectrochem · 2022
Typereview
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesWaterloo Institute for Nanotechnology, University of Waterloo
Mots-clésPolymer electrolyte membrane electrolysisElectrolysisProton exchange membrane fuel cellHigh-pressure electrolysisPower to gasElectrolysis of waterHigh-temperature electrolysisHydrogen productionMaterials scienceAlkaline water electrolysisElectrolyteElectrolytic cellElectrocatalystHydrogenPassivationMembrane electrode assemblyChemical engineeringProcess engineeringChemistryNanotechnologyElectrodeFuel cellsEngineeringElectrochemistry

Résumé

récupéré en direct d'OpenAlex

Hydrogen is considered to be the fuel of the future and with the advancement of fuel cell technology, there is a renewed interest in hydrogen production by the electrolysis of water. Among low-temperature water electrolysis options, polymer electrolyte membrane (PEM) electrolyzer is the preferred choice due to its compact size, intermittent use, and connectivity with renewable energy. In addition, it is possible to generate compressed hydrogen directly in the PEM electrolyzer, thereby reducing the additional pressurization cost for hydrogen storage. The development of electrocatalysts for oxygen evolution reaction (OER) and hydrogen evolution reaction (HER) is a major focus of electrolysis research. Other components, such as PEMs, gas diffusion layers (GDL), and bipolar plates (BPs) have also received significant attention to enhance the overall efficiency of PEM electrolyzers. Improvements in each component or process of the PEM electrolyzer have a significant impact on increasing the energy efficiency of the electrolyzer. This work discusses various synthesis techniques to improve the dispersion of OER electrocatalyst and reducing catalyst loading for the PEM electrolyzer. Various techniques are discussed for the development of electrocatalysts, including nanostructured, core shell, and electrodeposition to deposit catalysts on GDL. The design and methodology of new and improved GDL are discussed along with the fabrication of gas diffusion electrodes and passivation techniques to reduce the oxidation of GDL. The passivation technique of BPs using Au and Pt is summarized for its effect on electrolysis efficiency. Finally, the optimization of various operating conditions for PEM electrolyzer are reviewed to improve the efficiency of the electrolyzer.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,024
Tête enseignante GPT0,292
Écart entre enseignants0,268 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations83
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueElectrochemMême sujetHybrid Renewable Energy SystemsTravaux en français237 207