Advanced dual-responsive silicone-based nanocomposites: Enhancing the de-icing efficacy of power transmission lines by harnessing magnetic and solar energy
Notice bibliographique
Résumé
In regions prone to severe weather, ice accumulation on power transmission lines creates significant challenges, including structural damage and power outages. Although various de-icing strategies exist, many are labor-intensive, costly, and provide only short-term solutions. This study introduces a novel nanocomposite coating composed of surface-modified iron oxide nanoparticles embedded in a silicone-based polymer. This coating harnesses thermomagnetic and photothermal properties to convert magnetic and solar energy into heat to produce effective de-icing of transmission lines. We evaluated the surface characteristics using contact and sliding angle measurements, profilometry, and differential scanning calorimetry, along with freezing delay and ice adhesion tests under nonimpact conditions. The 30 wt% nanoparticle coating achieved the highest contact angle (116°), whereas the 20 wt% coating (SFe20) demonstrated superior performance with the lowest sliding angle (12° ± 0.8°) and ice nucleation temperature (−25.1 °C). Under simulated sunlight, the SFe20 coating melted ice within 210 s, raising the surface temperature from −5 °C to 21 °C. Additionally, its thermomagnetic response facilitated ice detachment at low temperatures, with surface temperature changes twice that of the control samples lacking nanoparticles. These findings demonstrate that the SFe20 coating is a promising, energy-efficient alternative to conventional mechanical and thermal de-icing methods in the power industry.
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 ».