Characterization, optimization, and performance evaluation of PCM with Al2O3 and ZnO hybrid nanoparticles for photovoltaic thermal energy storage
Notice bibliographique
Résumé
The electrical efficiency of the photovoltaic (PV) panel is affected significantly with increased cell temperature. Among various approaches, the use of Phase Change Materials (PCMs) with nanoparticles is currently one of the most effective for reducing and managing the temperature of PV panels. In this study, paraffin wax as PCM with different loading levels (0.5%, 1%, and 2%) of hybrid nanoparticles Al2O3 and ZnO were successfully synthesized and their effects on the performance of the Photovoltaic-Thermal (PVT) system were investigated experimentally. Additionally, a prediction model was developed to analyze the interaction between the operating factors (independent variable) and response factors (dependent variable) of the PVT/PCM and PVT with Hybrid nano-PCM (PVT/HNPCM) systems based on response surface methodology (RSM). Experimental results showed that compared to only PCM, the thermal conductivity of HNPCM increased by 24.68%, 28.57%, and 41.56% for the inclusion of 0.5%, 1%, and 2% hybrid nanomaterial respectively. The electrical efficiency of the PVT/HNPCM, and PVT/PCM system enhanced by 31.46% and 28.70% respectively compared to the conventional PV system in this study. With a cooling-water mass flow rate of 0.0021 kg/s, the highest thermal efficiency of 47% was achieved for the PVT/PCM system, whereas 51.28% was achieved for the PVT/HNPCM system. The analysis of the variance test yielded a P value <0.0001 which is less than 0.05 for the model of overall efficiency for PVT/PCM and PVT/HNPCM system, indicating the suggested model's appropriateness and statistical significance. These optimal conditions are observed when the solar intensity ranges from 774 W/m2 to 809 W/m2 and the mass flow rate is 0.002 kg/s for both the PVT/PCM and PVT/HNPCM systems. However, these systems advance sustainable urban development and climate goals by combining PV panels' electrical generation with thermal energy harvesting, boosting overall energy efficiency in the built environment.
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 | 0,000 |
| 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 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 ».