MétaCan
Menu
Retour à la cohorte
Enregistrement W4414548532 · doi:10.3390/en18195118

Analyzing the Transient Heat Transfer Characteristics of a Drain Water Heat Recovery Device

2025· article· en· W4414548532 sur OpenAlexafffund
Ezra Ovadia, Allan R. Willms, Mostafa H. Sharqawy

Notice bibliographique

RevueEnergies · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueHeat Transfer and Optimization
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTransient (computer programming)ThermalInertiaHeat transferThermal inertiaSteady state (chemistry)Heat recovery ventilationTransient response

Résumé

récupéré en direct d'OpenAlex

This paper investigates the transient behavior of a drain water heat recovery (DWHR) device, which recovers heat from warm grey water in buildings. Experimental and numerical investigations were conducted to study the thermal performance of the device under transient conditions. Thermal performance measurements were carried out, and a mathematical model was developed that considered the thermal inertia of the hot and cold-water streams as well as the device’s material. The experimental data were used to validate the model, and good agreement was observed between the two. Under transient operating conditions, the device’s performance was measured in terms of its effectiveness, and an actual effectiveness model was used to capture the transient effect on the system’s overall performance. The experimental results show that during short hot water usage, the actual device effectiveness is significantly reduced as it does not reach a steady state condition. An economic analysis indicates that considering the device’s transient performance leads to a 27.2% reduction in annual energy savings in a typical domestic installation with regular daily usage of hot water appliances. The presented model and analysis offer valuable insights for the development of improved DWHR devices with the potential to contribute to sustainable engineering and building practices.

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 enseignants0,773
Score d'incertitude au seuil0,319

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,007
Tête enseignante GPT0,200
Écart entre enseignants0,193 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetHeat Transfer and OptimizationTravaux en français237 207