MétaCan
Menu
Retour à la cohorte
Enregistrement W4310822538 · doi:10.32006/eeep.2022.2.3044

A THEORETICAL OVERVIEW OF COMPRESSED AIR ENERGY STORAGE TECHNOLOGIES AND DEVELOPMENTS

2022· article· en· W4310822538 sur OpenAlexaff
Leila Bakhtiari, Dimitre Karamanev

Notice bibliographique

RevueEcological Engineering and Environment Protection · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueThermodynamic and Exergetic Analyses of Power and Cooling Systems
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCompressed air energy storageCompressed airEnergy storageProcess engineeringRenewable energyAdiabatic processProcess (computing)Liquid airEnergy (signal processing)Efficient energy useComputer data storageEnvironmental scienceComputer scienceEngineeringMechanical engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In our modern world, technological developments on the one hand, and global warming and its consequences, on the other hand, cause us to feel the necessity for reliable, cost-effective, and clean energy. Using renewable energy sources paired with compressed air energy storage can be a good option that meets these expected criteria. Although a compressed air energy storage system (CAES) is clean and relatively cost-effective with long service life, the currently operating plants are still struggling with their low round trip efficiencies. This paper illustrates an up-to-date review of compressed air energy storage systems containing changes in the conventional process to improve performance and increase efficiency. Three main categories of compressed air energy storage technology, diabatic, adiabatic, and isothermal, are analyzed theoretically. In addition, three components of a compressed air energy storage system including compression system, reservoirs, and expansion system are discussed here in detail. The advantages, disadvantages, and the technological readiness of different types of CAES are discussed.

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 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 enseignants0,143
Score d'incertitude au seuil0,381

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,169
Écart entre enseignants0,161 · 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.

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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEcological Engineering and Environment ProtectionMême sujetThermodynamic and Exergetic Analyses of Power and Cooling SystemsTravaux en français237 207