CFD Simulation and ANN Prediction of Hydrogen Leakage and Diffusion Behavior in a Hydrogen Refuelling Station
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Hydrogen refueling station (HRS) is an essential part of the infrastructure for promoting the hydrogen economy. Since hydrogen is a flammable and explosive gas, hydrogen released from high‐pressure hydrogen storage equipment in HRS will likely cause combustion or explosion accidents. Studying high‐pressure hydrogen leakage in HRS is a prerequisite for promoting hydrogen fuel cell vehicles and HRS. A computational fluid dynamics (CFD) model of an HRS in a demonstrated project in Ningbo, China, was established on the ANSYS FLUENT software platform. The CFD model for hydrogen leakage simulation was validated by comparing the simulation results with experimental data in the literature. The effects of the direction and mass flow rate of the hydrogen leakage jet, as well as the direction and speed of ambient wind, on hydrogen diffusion behavior were investigated. The spreading distances of the flammable hydrogen cloud were predicted using an artificial neural network for horizontal leakage. The results show that the jet direction strongly affected the flammable cloud flow. The greater the mass flow rate of the leak, the greater the hydrogen dispersion distance and the volume of the flammable hydrogen cloud. At a hydrogen leakage mass flow rate of 4.5589 kg/s, the volume of the hydrogen flammable cloud reached 6,140.46 m 3 at 30 s of leakage. The ambient wind speed has complicated effects on spreading the flammable cloud. The wind makes the flammable cloud move in certain directions, and the higher wind speed accelerates the diffusion of the flammable gas in the air. The results of the study can be used as a reference for the study of high‐pressure hydrogen leakage in HRS and will play an important role in the safe demonstration of the studied project.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découle