MétaCan
Menu
Retour à la cohorte
Enregistrement W4391928512 · doi:10.1016/j.energy.2024.130747

Development of a smart powering system with ammonia fuel cells and internal combustion engine for submarines

2024· article· en· W4391928512 sur OpenAlexaff
Ibrahim Akgun, İbrahim Dinçer

Notice bibliographique

RevueEnergy · 2024
Typearticle
Langueen
DomaineMaterials Science
ThématiqueHydrogen Storage and Materials
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésInternal combustion engineCombustionFuel cellsAutomotive engineeringEngineeringPropulsionEnvironmental scienceAeronauticsWaste managementAerospace engineeringChemistryChemical engineering

Résumé

récupéré en direct d'OpenAlex

The current limitations of hydrogen storage technology in submarines have prompted the need for alternative solutions. One promising option is the use of ammonia, a readily stored fuel. This paper presents an innovative, integrated system that runs on ammonia and does not rely on atmospheric air. The system combines Direct Ammonia Fuel Cell (DAFC) stack and an Internal Combustion Engine (ICE) technology to generate power, freshwater, and cooling. The system also recovers waste heat and utilizes it efficiently to produce these useful outputs. The study further aims to assess the system's performance using energy and exergy analysis methods and to conduct a parametric analysis to examine the impact of parameters and operating conditions on system efficiency. In the developed integrated system, the quantities of net power produced, cooling provided, and freshwater flow rate produced under specified conditions are 4069 kW, 589.5 kW, and 1.269 kg/s, respectively. Its energy and exergy efficiency were found to be 38.58% and 44.77%, respectively. The analysis study also obtains that increasing the ammonia flow rate supplied to the ICE and the steam flow rate provided to the turbine, as well as the reference temperature, could potentially improve both energetic and exergetic efficiencies .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,033
Score d'incertitude au seuil0,262

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,209
Écart entre enseignants0,201 · 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 tête enseignante, 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

Citations30
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergyMême sujetHydrogen Storage and MaterialsTravaux en français237 207