MétaCan
Menu
Retour à la cohorte
Enregistrement W4387186335 · doi:10.1149/11204.0419ecst

Numerical Two-Phase Simulations of Alkaline Water Electrolyzers

2023· article· en· W4387186335 sur OpenAlexaff
Steffen Hess, Shidong Zhang, Thomas Kadyk, Werner Lehnert, Michael Eikerling, Steven Beale

Notice bibliographique

RevueECS Transactions · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésElectrolyteMechanicsEulerian pathComputational fluid dynamicsIsothermal processComputer sciencePolarization (electrochemistry)ElectrolysisCurrent (fluid)Materials scienceThermodynamicsChemistryPhysicsElectrodePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

This study presents a computational simulation of a zero-gap alkaline water electrolysis cell. The model employed is a three-dimensional, steady-state, non-isothermal, two-phase-flow computational fluid dynamics approach, which has been implemented by means of the OpenFOAM software library. This integration expands the capabilities of the existing libraries within the open-source framework, openFuelCell2, by introducing novel surface and volumetric coupling strategies to connect the dependent quantities over the existing interfaces and different regions. Additionally, the Nernst–Planck equation is incorporated into the two-phase Eulerian–Eulerian framework to describe the behavior of the liquid electrolyte within the cell.The model’s validation in this study is based on experimentally-determined polarization curves for various temperatures and volumetric flow rates. The results obtained show good agreement with the experimentally-acquired data. The implemented model has demonstrated its ability to accurately predict the transport of ions within the electrolyte and assess the influence of the generated gas phase on the local distribution of current density.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,282
Écart entre enseignants0,266 · 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

Citations8
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS TransactionsMême sujetHybrid Renewable Energy SystemsTravaux en français237 207