MétaCan
Menu
Retour à la cohorte
Enregistrement W4392832720 · doi:10.54097/xcq2s902

Sustainability Study based on Molten Salt Energy Storage

2023· article· en· W4392832720 sur OpenAlexaff
Yusong Li, Yuheng Liu, Yuhao Lu, Ningyue Yu

Notice bibliographique

RevueHighlights in Science Engineering and Technology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdsorption and Cooling Systems
Établissements canadiensDurham College
Organismes subventionnairesnon disponible
Mots-clésMolten saltEnergy storageThermal energy storageEnvironmental scienceEnergy technologySustainabilityScope (computer science)Waste managementProcess engineeringEngineeringMaterials sciencePower (physics)Computer scienceElectrical engineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

The development of molten salt energy storage technology began in the 20th century, with the American ORNL first exploring the application of molten salt heat storage in the 1950s while experimenting with nuclear-powered aircraft. In the following decades of research and development, the scope of application of molten salt energy storage technology was expanded, not only by considering the heat storage function of molten salts but also by combining molten salt energy storage technology with clean energy (such as photovoltaic) to form the power station that has been used in many countries. In the 21st century, sustainable development research is becoming more and more popular, and molten salt energy storage technology is in line with the characteristics of sustainable development. This paper explores the suitability of molten salt energy storage technology for sustainable development by introducing molten salt energy storage technology, and then describes the strength of this technology such as non-pollution, low cost, and high efficiency, demonstrating energy storage potential through molten salts within sustainable development. At the same time, the hidden dangers and limitations of the current molten salt energy storage technology are also discussed dialectically.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
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 Opus0,005
Tête enseignante GPT0,216
Écart entre enseignants0,211 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHighlights in Science Engineering and TechnologyMême sujetAdsorption and Cooling SystemsTravaux en français237 207