MétaCan
Menu
Retour à la cohorte
Enregistrement W4361195486 · doi:10.1149/1945-7111/acc898

Numerical Study of the Impact of Two-Phase Flow in the Anode Catalyst Layer on the Performance of Proton Exchange Membrane Water Electrolysers

2023· article· en· W4361195486 sur OpenAlexaff
M. S. Moore, Manas Mandal, Aslan Kosakian, Marc Secanell

Notice bibliographique

RevueJournal of The Electrochemical Society · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAnodeProton exchange membrane fuel cellSaturation (graph theory)Capillary actionPorosityCapillary pressureMaterials scienceChemistryChemical engineeringPorous mediumComposite materialElectrodeMembrane

Résumé

récupéré en direct d'OpenAlex

Mass transport losses in proton exchange membrane water electrolysis (PEMWE) cells have gained increased focus in recent years, however two-phase flow within the anode catalyst layer (ACL) has not been extensively studied. This work uses 2-D, finite element simulations with a capillary pressure based model to study two-phase flow in the ACL. The porous media are characterised using a pore size distribution (PSD), allowing for the impact of structural changes to be analysed. The results show the reaction distribution heavily influences gas accumulation within the ACL: bubbles produced close to the membrane induce high gas pressures in the ACL, while bubbles produced close to the porous transport layer (PTL) allow for an easy escape to the PTL. Very high gas saturations are required in the ACL to have an appreciable impact on performance, which is difficult to achieve given the hydrophilic nature of the anode electrode. Therefore, it is likely that sections of the ACL need to be screened by large bubbles to induce significant losses. The PTL saturation had a minimal effect on ACL saturation, as each layer has a very different intrusion curve. As such, characterization of the ACL microstructure is crucial to understanding PEMWE mass transport limitations.

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)0,002
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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,011
Tête enseignante GPT0,257
Écart entre enseignants0,246 · 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

Citations25
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Electrochemical SocietyMême sujetFuel Cells and Related MaterialsTravaux en français237 207