Electrohydrodynamic melting of paraffin wax with autonomous and non-autonomous charge injection models
Notice bibliographique
Résumé
The present study investigates how different charge injection functions impact electrohydrodynamic-driven flows within a latent heat thermal storage system (LHTSS). To this end, three injection models are examined: the Heaviside step function, the Schottky injection, and autonomous injection. Previous research has largely utilized autonomous charge injection, which neglects the influence of the electric field, thus producing space charge density distributions that do not mimic the realistic charge injection phenomena. In this work, the lattice Boltzmann method (LBM) is applied to simulate the behavior of paraffin wax in an LHTSS under both autonomous and non-autonomous charge injection based on an experimental current–voltage curve. The governing equations were solved using an LBM solver, with the results being verified against multiple experimental and numerical benchmarks. Initially, the paraffin wax began to melt due to thermal conduction from the hot top wall. Electro-convection was then generated by injecting charges via a central circular electrode in the LHTSS, thereby enhancing the heat transfer rate. LBM results demonstrated an electrohydrodynamic enhancement factor of 1.57 using the experimental current–voltage curve presented by Hassan and Cotton [Int. J. Heat Mass Transfer 204, 123831 (May 2023)]. The liquid fraction, heat transfer coefficient, and velocity for the Schottky and Heaviside step functions of injection were very close; however, despite using identical current in all cases, the results for autonomous injection showed deviations of up to 30%, 16%, and 42%, respectively. Furthermore, increasing the material's permittivity worsens the deviations. This study provides insights into how to use charge injection to design LHTSSs and predict heat transfer augmentation in LHTSSs.
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 | 0,001 |
| 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 ».