MétaCan
Menu
Retour à la cohorte
Enregistrement W4391638441 · doi:10.1149/ma2023-02422103mtgabs

Operando Identification of Temperature-Dependent Pore-Scale Gas Saturations in PEM Water Electrolyzers

2023· article· en· W4391638441 sur OpenAlexaff
Chaeyoung Tina Ham, Pranay Shrestha, Spencer Lytle, Aimy Bazylak

Notice bibliographique

RevueECS Meeting Abstracts · 2023
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProton exchange membrane fuel cellIdentification (biology)Scale (ratio)Environmental scienceMaterials scienceChemical engineeringFuel cellsEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Polymer electrolyte membrane (PEM) water electrolysis is a promising solution for the chemical storage of intermittent renewable energy in the form of clean hydrogen (1). For the widespread adoption of this technology, the efficiency of PEM electrolyzers must be improved through informed material design and tailored operating conditions to compete with incumbent carbon-emitting technologies (2). A main source of inefficiency is related to mass transport losses, where oxygen gas, a by-product of the anode reaction, accumulates in the anode porous transport layer (PTL) and hinders reactant liquid water delivery to reaction sites (3). Although extensive studies have explored this two-phase flow phenomenon, the consideration of operating temperature on gas accumulation in the PTL adds further complexity. A duality in temperature effects has been reported in the literature where increasing the operating temperature may encourage gas coverage which obstructs liquid water transport, but it may also enhance liquid water delivery due to favorable fluid property changes in viscosity and surface tension (4). Efforts have been made previously to reconcile these competing observations using 2D visualization methods (5), however a closer investigation using 3D visualization techniques will provide valuable pore-scale insights in the comprehensive understanding of the impact of operating temperature on gas transport in the PTL, and subsequently mass transport losses in the PEM electrolyzer. In this work, we employed operando X-ray computed tomography (CT) to visualize three-dimensional (3D) pore-scale gas saturations in the PTL at various industrially relevant operating conditions. Specifically, a custom in-house electrolyzer was imaged with synchrotron CT at five different temperatures (40°C, 50°C, 60°C, 70°C, 80°C) and current densities ranging from 0.5 A/cm² to 4.0 A/cm² with 0.5 A/cm² incremental steps. Electrochemical impedance spectroscopy and Tafel measurements were also acquired to characterize the relationship between gas distributions and corresponding mass transport overpotentials. Considering X-ray transparency, a model PTL made of carbon fibers was used to achieve sufficient contrast to quantify water and gas in the obtained images. Using precise volume registration and subtraction methods, pore-scale gas distributions in the PTL were quantified to reveal changes in bubble accumulation and coverage area at different operating temperatures and over operation time. The novel insights from this work will aid in our understanding of the complex relationship between operating temperature and multiphase flow phenomena in the PTL, which is vital for tailoring operating conditions of PEM electrolyzers to curtail the costs of green hydrogen production.

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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,230
Écart entre enseignants0,221 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECS Meeting AbstractsMême sujetHybrid Renewable Energy SystemsTravaux en français237 207