Towards More Accurate Prediction of Transport Properties of Hydrogen Over Wide Pressure/Temperature Conditions Using Entropy Scaling Theory and Volume-Translated Cubic Equations of State
Notice bibliographique
Résumé
Abstract Hydrogen is an important energy source due to its renewability, high energy density per unit mass, and clean combustion. Accurate prediction of transport properties (i.e., viscosity, thermal conductivity, and self-diffusion coefficient) of hydrogen plays a crucial role in the design, operation, and optimization of various hydrogen-based industrial systems. In this study, we combine the entropy scaling theory with the volume-translated cubic equations of state (i.e., volume-translated Soave-Redlich-Kwong equation of state and volume-translated Peng-Robinson equation of state) proposed in our previous study, leading to the development of entropy-scaling-based transport property models. Compared to the conventional models, these improved models are capable of more accurately predicting the transport properties of hydrogen at pressures from triple-point pressure (i.e., 0.01 MPa) to 300 MPa and temperatures from critical temperature (i.e., 33.15 K) to 600 K. More specifically, the new models coupled with the volume-translated Soave-Redlich-Kwong equation of state (i.e., VT-SRK EOS) yield %AADs of 3.09, 5.03, and 3.19 in predicting viscosity, thermal conductivity, and self-diffusion coefficient, respectively. The proposed models coupled with the volume-translated Peng-Robinson equation of state (i.e., VT-PR EOS) also perform well in predicting these three transport properties, with %AADs of 2.96, 4.94, and 2.43, respectively. It is also worthwhile mentioning that the VT-SRK EOS and VT-PR EOS can completely reproduce the critical volume of hydrogen.
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 ».