MétaCan
Menu
Retour à la cohorte
Enregistrement W4401281207 · doi:10.1016/j.energy.2024.132633

Design and assessment of an advanced renewable energy system with hydrogen and monomethylhydrazine production for space shuttles

2024· article· en· W4401281207 sur OpenAlexaff
Ayse Sinem Meke, İbrahim Dinçer

Notice bibliographique

RevueEnergy · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensUniversity of Ontario Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésRenewable energyEnvironmental scienceHydrogen productionWind powerProcess engineeringEngineeringWaste managementHydrogenElectrical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

A new renewable energy-driven advanced plant is designed and developed to produce multiple useful outputs, namely electricity, heat, cooling, hydrogen, and monomethylhydrazine (as space shuttle fuel) using solar and wind energies locally available. A specific location needed for this kind of unique work is identified as the Kennedy Space Center (KSC), which is known as located on Merritt Island, in the state of Florida (USA). It is also one of the National Aeronautics and Space Administration's (NASA) ten field centers. Since December 1968, KSC has been NASA's primary launch center of American spaceflight, research, and technology. This paper presents a comprehensive analysis of the subsystems that constitute the newly proposed system potentially for KSC and highlights their complex relationships and synergies. Leveraging renewable energy sources, such as concentrated solar power (CSP) and wind energy, coupled with the subsystem uniquely, such as the regenerative Rankine cycle, multi-stage flash (MSF) desalination unit, hydrogen production process, and Li–Br absorption chiller, the KSC's system maximizes energy conversion efficiency while minimizing environmental impact. Noteworthy outcomes include daily water production of 177.63 kg/s and hydrogen production of 169.61 kg/day, alongside annual energy contributions of 212,692,688 kWh for CSP and 66,158,552 kWh for wind turbines. More than that, it produces 23.04 kg/s MMH as fuel. Additionally, the overall energy and exergy efficiencies of the system are 30.6% and 33% respectively. Despite challenges, such as low efficiencies in certain subsystems, like mono methyl hydrazine (MMH) production, ongoing research and development efforts aim to optimize processes and enhance sustainability.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,747
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergyMême sujetHybrid Renewable Energy SystemsTravaux en français237 207