A comprehensive performance evaluation of phase change materials for cold energy storage systems
Notice bibliographique
Résumé
• A thorough study evaluates 12 PCMs for cold energy storage. • A modelling methodology is developed for tank design, porosity, and pressure drop analysis. • Different heat transfer fluids are assessed based on thermodynamics. • Water/ice is identified as the most efficient, versatile option. The increasing need for cooling, particularly air conditioning, is driving a significant rise in building energy consumption. This surge in demand often leads to peak loads, straining power grids and increasing costs. Cold thermal energy storage systems, especially those utilizing phase change materials, offer a promising solution to mitigate these challenges. This study presents a comprehensive investigation and performance assessment of various phase change materials for efficient cold energy storage applications. Phase change materials are considered encapsulated, one of the most common techniques in cold thermal energy storage applications. The primary objective is to develop a comprehensive methodology for the system’s design and then identify the most suitable phase change material for better system performance. The research also studies the impact of storage tank porosity, diameter-to-height ratio, and pressure drop on system performance for a 1 MWh cooling capacity. The performance assessment considers all essential power drivers of the practical systems. The findings reveal that water/ice is the most efficient phase change material, requiring the smallest mass and exhibiting the highest overall system COP values by lowering the heat transfer fluid pump and chiller powers. Specifically, it has been determined that water/ice is the most efficient phase change material, requiring the smallest mass quantity of 10.4 tons and demonstrating overall coefficient of performance values ranging from approximately 3.98 to 4.37 for different heat transfer fluid options. This research contributes to the development of sustainable and cost-effective cooling solutions, addressing the growing energy demands of the building sector and promoting a more resilient and efficient energy infrastructure.
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 ».