Predicting Liquid Organic Hydrogen Carrier Saturation in Dehydrogenation Cell Gas Diffusion Layers for Hydrogen Storage
Notice bibliographique
Résumé
Abstract Dehydrogenating methylcyclohexane (MCH) as a liquid organic hydrogen carrier offers a promising method for producing stored hydrogen. However, the transport properties of the gas diffusion layers (GDLs) in dehydrogenation cells (D‐cells) have not yet been optimized for high reactant saturation at the GDL‐catalyst layer (CL) interface, which is crucial for increasing hydrogen production. We applied pore network modeling (PNM) to quantify the anisotropic transport properties and local saturation of MCH in GDLs with distinct microstructures. We demonstrate that GDLs with larger mean pore diameters and lower tortuosity exhibit higher MCH permeability and diffusivity. Moreover, a high porosity at the GDL‐CL interface increases MCH saturation (from 0.05 to 0.11), highlighting the impact of local GDL porosity on MCH supply to the catalyst. The results of the invasion percolation simulation revealed that smaller pore sizes lead to a longer MCH transport pathway to the GDL‐CL interface, thereby reducing MCH saturation at this interface (by more than twofold), which hinders reactant availability for hydrogen production. Therefore, we recommend a GDL that combines large pores for efficient MCH flow and small pores close to the CL for liquid retention to enhance MCH utilization in the anode of D‐cell, particularly at high current densities.
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 | 0,000 |
| 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 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 ».