MétaCan
Menu
Retour à la cohorte
Enregistrement W4385498101 · doi:10.1016/j.nexus.2023.100227

Enhancing latent heat storage systems: The impact of PCM volumetric ratios on energy storage rates with auxiliary fluid assistance

2023· article· en· W4385498101 sur OpenAlexaff
Seyed Ali Abtahi Mehrjardi, Alireza Khademi, Zafar Said, Svetlana Ushak, Ali J. Chamkha

Notice bibliographique

RevueEnergy Nexus · 2023
Typearticle
Langueen
DomaineEngineering
ThématiquePhase Change Materials Research
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésThermal energy storageVolume (thermodynamics)Materials scienceHeat transfer fluidThermodynamicsEnergy storagePhase-change materialHeat transferLatent heatMechanicsThermalPhysics

Résumé

récupéré en direct d'OpenAlex

The present study investigates the effect of different volume ratios of PCM on the melting process and energy storage in the improved thermal energy storage (TES) system using auxiliary fluid. The purpose of using the auxiliary fluid is to benefit from the density difference between the auxiliary fluid and the PCM, which improves the convection heat transfer in the auxiliary fluid and increases the melting speed of the PCM. The auxiliary fluid, which has a higher density, is placed on the solid PCM at the beginning of the melting process and takes the place of the melted PCM during the melting process. This displacement causes better heat transfer between auxiliary fluid, PCM, and hot wall. Five different PCM/auxiliary fluid volume ratios are studied, including 30, 40, 50, 60, and 70% of PCM. The rate of energy storage in the system increases to 0.341 kW/kg, the highest rate of energy stored in the system and in PCM, corresponding to a volume ratio of 30% of PCM. Although the total energy stored in the system increases with an increase in the PCM volume ratio, the energy storage rate in the system increases with a decrease in the PCM volume ratio. Therefore, the optimal use of the most appropriate volume ratio of PCM is of great importance.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,024
Tête enseignante GPT0,266
Écart entre enseignants0,242 · 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

Citations33
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy NexusMême sujetPhase Change Materials ResearchTravaux en français237 207