Seasonal ground cold energy storage potential for data center cooling using thermosyphon: A comparative study of five cities in Canada for carbon footprint reduction
Notice bibliographique
Résumé
Artificial Ground Freezing (AGF), using two-phase-closed-thermosyphon (TPCT) device, is an emerging technique for storing the cold energy of the winter season in the ground. The stored energy can later be used in the summer season for data center cooling, building comfort, etc. However, this energy storage potential has not been quantified so far. This study is conducted using an experimentally validated numerical model that simulates the ground freezing phenomenon in five Canadian cities over a 2-years period for 1%, 5%, 10% and 20% soil porosity. Each city offers a different energy storage potential based on ambient conditions and soil porosity — ranging from 3.31 – 23.19 MWh per TPCT, annually. In addition, up to 4,851 kg of carbon footprint can be reduced per TPCT in each city. This study examines and ranks the cities based on the potential for cold energy storage and associated carbon footprint for new and commissioned (already operating) cooling-intensive facilities. Yellowknife is ranked number one for commissioned cooling-intensive facilities and Montreal is ranked number one for new cooling-intensive facilities. It also provides a pre-feasibility guideline for selecting the geographic location to implement the novel idea in cities with similar weather conditions. A new parameter, carbon emission efficiency, is also introduced and used for ranking.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».