MétaCan
Menu
Retour à la cohorte
Enregistrement W4412067603 · doi:10.1016/j.seta.2025.104429

Development and simulation of new electrode designs for improved hydrogen production in alkaline electrolyzers

2025· article· en· W4412067603 sur OpenAlexaff
Mohamed Ismail, Doğan Erdemir, İbrahim Dinçer

Notice bibliographique

RevueSustainable Energy Technologies and Assessments · 2025
Typearticle
Langueen
DomaineEnergy
ThématiqueHybrid Renewable Energy Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésHydrogen productionElectrodeProduction (economics)Alkaline water electrolysisProcess engineeringHydrogenComputer scienceElectrolysisMaterials scienceBiochemical engineeringEnvironmental scienceChemistryEngineeringElectrolyte

Résumé

récupéré en direct d'OpenAlex

This study develops multiple modified electrode surface geometries which aims at enhancing the hydrogen production rates of alkaline water electrolyzers (AWEs). Subsequently, the study investigates how the developed simulation model to determine is utilized to evaluate the flow characteristics and identify the optimal electrode surface modification. The model incorporates dimpled electrode surfaces with circular, triangular, and rectangular shapes. Furthermore, we study each dimple shape in its inward, outward, and alternating configurations. The simulations show that these surface modifications can introduce localized turbulence to the flow inside the gas evolution chamber. This, in turn, improves the gas bubbles’ separation from the electrode surface. The results demonstrate a correlation between the induced turbulence from electrode surface changes and an increase in the volume fraction of evolved gases. Notably, inward-facing rectangular dimples lead to an increment in hydrogen volume fraction of up to 9.7%. This study highlights the critical role of electrode geometry in improving AWE performance and provides insights for advancing green hydrogen production technologies.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,727
Score d'incertitude au seuil0,780

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,013
Tête enseignante GPT0,281
Écart entre enseignants0,268 · 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'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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainable Energy Technologies and AssessmentsMême sujetHybrid Renewable Energy SystemsTravaux en français237 207