MétaCan
Menu
Retour à la cohorte
Enregistrement W4409915647 · doi:10.1016/j.est.2025.116803

Thermal modeling of a subterranean battery energy storage system for residential and commercial buildings

2025· article· en· W4409915647 sur OpenAlexafffund
Elizabeth Oyekola, Lukas G. Swan, J. R. Dahn

Notice bibliographique

RevueJournal of Energy Storage · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensBecton Dickinson (Canada)Dalhousie University
Organismes subventionnairesDalhousie UniversityRyerson UniversityNatural Sciences and Engineering Research Council of CanadaToronto Metropolitan University
Mots-clésArchitectural engineeringThermal energy storageBattery (electricity)Environmental scienceEnergy storageEngineeringCivil engineeringAutomotive engineeringEcologyPhysics

Résumé

récupéré en direct d'OpenAlex

Battery systems are now routinely deployed at residential and commercial buildings to manage solar photovoltaic generation and electricity demand peaks. The siting of the battery is an important consideration for safety, thermal management, and size (footprint; physical presence). Subterranean (underground) installations have yet to be considered in detail, although they offer benefits in terms of these three considerations. We develop a subterranean battery finite element analysis model to investigate the thermal behaviour and energy performance. The model is calibrated and verified by comparison to experimental testing. The model is then used to investigate performance of the battery while subject to a range of use case application signals, soil thermal conditions, geographic region (soil temperature), and battery geometry. The model can be used to identify the impact of climatic conditions, shape choices, and restrictions on cycling operations due to temperature limitations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,534
Score d'incertitude au seuil0,742

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,017
Tête enseignante GPT0,255
Écart entre enseignants0,238 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Energy StorageMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207