MétaCan
Menu
Retour à la cohorte
Enregistrement W4376870615 · doi:10.1061/jleed9.eyeng-4759

Demonstration of a Solar-Driven Ejector Chiller Assisting the Air Conditioning System of a Building

2023· article· en· W4376870615 sur OpenAlexaff
Mehdi Falsafioon, Michel Poirier, Philippe Simard

Notice bibliographique

RevueJournal of Energy Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésSolar air conditioningChillerRefrigerationAir conditioningInjectorSolar energyCooling loadCoefficient of performanceEnvironmental scienceWater coolingEvaporative coolerThermal energy storagePassive solar building designMechanical engineeringAutomotive engineeringEngineeringHeat pumpElectrical engineeringThermodynamicsPhysics

Résumé

récupéré en direct d'OpenAlex

Days with greater amounts of sunshine often have higher cooling demands. This makes solar energy one of the best solutions to mitigate the use of fossil fuels in cooling systems. On the other hand, scientific studies on ejector technology have demonstrated promising improvements in terms of enhancing the efficiencies of cooling and refrigeration systems. This work involved field testing of a solar thermal plant combined with an ejector-compression system for space cooling applications in buildings. The thermal plant uses parabolic solar collectors that focus a large area of sunlight toward tubes where circulating oil captures the energy. This energy activates the ejector system, which produces a nominal 15-kW cooling effect. A solar ejector cooling system is integrated into the CanmetENERGY Research Centre’s building, covering part of its air conditioning load, and consequently decreasing the electrical consumption of the main building’s chiller. The system has operated with a coefficient of performance (COP) of up to 0.27 at this location. Design characteristics of the system are presented and the mode of operation and analysis of collected data are elaborated.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,008
Tête enseignante GPT0,198
Écart entre enseignants0,190 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Energy EngineeringMême sujetRefrigeration and Air Conditioning TechnologiesTravaux en français237 207