Numerical Study of a Latent Heat Storage System’s Performance as a Function of the Phase Change Material’s Thermal Conductivity
Notice bibliographique
Résumé
The thermal conductivities of most commonly used phase change materials (PCMs) are typically fairly low (in the range of 0.2 to 0.4 W/m·K) and are an important consideration when designing latent heat energy storage systems (LHESSs). Because of that, material scientists have been asking the following question: “by how much does the thermal conductivity of a PCM needs to be increased to positively impact the design and performance of a LHESS?” The answer to this question is not straightforward as the performance of a LHESS depends on the PCM’s thermal conductivity, other PCM thermophysical properties, the type of heat exchange system geometry used, the mode of operation, and the targeted power/energy storage of the LHESS. This paper presents work related to this question through a numerical study based on a simplified 2D model of an experimental setup studied previously in the authors’ laboratory. A model created in COMSOL Multiphysics, based on conduction and accounting for the solid-liquid phase change process, was initially validated against experimental results and then used to study the impact of the PCM’s thermal conductivity (dodecanoic acid) on the discharging power of the LHESS. The results show that even increasing the thermal conductivity of the PCM by a factor of 50 only leads to a maximum instantaneous power increase by a factor of 2 or 3 depending on the LHESS configurations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».