Enhancing Air Conditioning Performance in Hot Climates through Salt Hydrate PCM-based Latent Heat Thermal Energy Storage: A Numerical Investigation
Notice bibliographique
Résumé
The cooling of lightweight buildings in extremely hot climate regions poses a significant challenge for the future.As major energy consumers, air conditioning (AC) systems present an opportunity for substantial energy savings through even minor improvements in their performance.This numerical study investigates the use of latent heat thermal energy storage (LHTES) to improve air conditioning performance in hot conditions.LHTES aims to reduce buildings' excessive cooling or heating demands by utilizing phase change materials (PCMs).Specifically, this evaluates the performance for pre-cooling the supply air in AC systems using two types of PCMs salt hydrate (CaCl2.6H2O)with a melting range of 27.7 °C -32.23°C and RT-31 with a melting range of 29°C -33°C.Four designs of an AC duct containing enclosures of PCM have been modelled and simulated using ANSYS/Fluent at different inlet air velocities.The study investigates the impact of incorporating PCM enclosures in the AC duct on the outlet air temperature and the system's maximum coefficient of performance (COPmax).The findings reveal that the PCM-based air-pre-cooling model effectively reduces peak cooling demand, improves the COPmax, and achieves an 8.2°C drop in the supply air temperature at a velocity of 1 m/s in the case of CaCl2.6H2O with design 1 and 7.2°C drop in supply air using RT-31 as PCM.The results suggest that PCM-based LHTES systems are a promising technology for enhancing AC performance in hot environments, leading to significant energy savings and improved thermal comfort in buildings.
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 | 0,001 |
| 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 ».