MétaCan
Menu
Retour à la cohorte
Enregistrement W4404771757 · doi:10.1002/cjce.25561

Fundamental research on phase equilibrium concerning hydrogen storage process with liquid organic hydrogen carriers

2024· article· en· W4404771757 sur OpenAlexvenueno aff
Qinchuan Shi, Shiyuan Wang, Peiya Li, Shuhan Lu, Bo Wang, Jiahui Wang, Bin Wang, Fusheng Yang, Tao Fang

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2024
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydrogenLiquid phaseLiquid hydrogenHydrogen storageMaterials scienceProcess (computing)Phase (matter)ChemistryThermodynamicsComputer scienceOrganic chemistryPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Liquid organic hydrogen carrier (LOHC) technology stands as a pivotal solution to the challenges of hydrogen storage and transportation. However, the efficiency of its hydrogenation process has yet to meet the stringent requirements for practical applications. Consequently, an in‐depth understanding of hydrogen equilibrium concentration determination within LOHCs is crucial for optimizing the hydrogenation process. This work leverages the PE 2000 software to simulate literature data on the solubility of hydrogen in LOHCs, yielding comprehensive phase equilibrium data for hydrogen across various LOHCs. Cubic equations of state along with diverse mixing rules were employed to correlate the phase equilibrium data, calculating the corresponding binary interaction parameters and generating phase diagrams accordingly. The simulation outcomes were meticulously discussed to identify the optimal thermodynamic model for each system. Ultimately, a rational simulation methodology was established that accurately correlates experiment data of H 2 and LOHCs, offering a valuable reference for future studies in this domain.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,025
Tête enseignante GPT0,275
Écart entre enseignants0,250 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetHybrid Renewable Energy SystemsTravaux en français237 207