MétaCan
Menu
Retour à la cohorte
Enregistrement W4401816576 · doi:10.1007/s10934-024-01638-0

Wood-derived biochar as a matrix for cost-effective and high-performing composite thermal energy storage materials

2024· article· en· W4401816576 sur OpenAlexafffundabout
Lia Kouchachvili, Guillaume Gagnon-Caya, Réda Djebbar

Notice bibliographique

RevueJournal of Porous Materials · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdsorption and Cooling Systems
Établissements canadiensNatural Resources Canada
Organismes subventionnairesOffice of Energy Research and DevelopmentNatural Resources Canada
Mots-clésBiocharCarbonizationComposite numberThermal energy storageMaterials sciencePyrolysisBiomass (ecology)Energy storageChemical engineeringThermal stabilityComposite materialWaste management

Résumé

récupéré en direct d'OpenAlex

Abstract High energy storage density, affordability, and environmental friendliness are the key requirements for materials used in thermal energy storage systems. A new composite thermal energy storage material (TESM) with all these requirements was fabricated by utilizing a biochar matrix. Biochar was derived from the slow pyrolysis of forestry residues, an abundant source of underutilized biomass in Canada. The results of this experimental study indicate that the carbonization conditions of the biomass affect the structure and surface morphology of the biochar and consequently its thermal properties. Amongst the carbonization conditions that were investigated in this study, a peak temperature of 800 °C with a heating rate of 2.5 °C/min yielded a biochar with an energy storage capacity of 508 J/g. This biochar was then used as a matrix for fabricating the composite TESM with salt hydrate. The composite showed high thermal stability after ten hydration/dehydration cycles with an average thermal energy storage capacity of 3795 J/g. The cost of thermal energy storage in this composite was found to be $0.50 CAD /kWhth.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,241
Écart entre enseignants0,234 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations11
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Porous MaterialsMême sujetAdsorption and Cooling SystemsTravaux en français237 207