Controlling the contribution of transport mechanisms in solid oxide co-electrolysis cells to improve product selectivity and performance: A theoretical framework
Notice bibliographique
Résumé
Solid oxide co-electrolysis cells offer a promising route to convert carbon dioxide and steam into syngas utilizing renewable energy. Significant challenges that persist in their development are determining the reaction pathways that contribute to carbon monoxide production and carbon deposition in the cathode, which can lead to catalyst deactivation and electrode fracture. The vast majority of numerical models have limited their chemical reaction framework to the reverse water gas shift reaction and methane steam reforming, which alone cannot account for gas-phase reactions that may occur spontaneously due to the elevated operating temperatures, as well as carbon deposition that has been reported in previous experiments. Accordingly, this work develops and experimentally validates a combined 1-D + 1-D mass, momentum, heat, and charge transport model to track the reaction pathways by which each component is utilized/produced and to derive operation strategies to mitigate carbon deposition. Additionally, this analysis develops a combined numerical and experimental approach to extract the catalytic properties of electrode materials, in order to facilitate direct comparisons between the performance of various materials. For the first time, designers and researchers will be able to utilize this model to develop operation strategies in order to alleviate carbon deposition in the cathode, which will improve cell durability and longevity, attain H2/CO ratios desirable for Fischer–Tropsch reactor feedstock, and enhance cell performance.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».