MétaCan
Menu
Retour à la cohorte
Enregistrement W6921984349 · doi:10.7939/r3hh46

Experimental and Theoretical Investigation of Solar Molten Media Methane Cracking for Hydrogen Production

2014· dissertation· en· W6921984349 sur OpenAlexaboutno aff

Notice bibliographique

RevueUniversity of Alberta Library · 2014
Typedissertation
Langueen
DomaineChemical Engineering
ThématiqueCatalysts for Methane Reforming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBlankMethaneCrackingSteam reformingHydrogenSolar energyThermalKinetic energy

Résumé

récupéré en direct d'OpenAlex

Canada is the largest H2 consumer per capita in the world, giving a strong market demand for H2. H2 is commercially produced using steam CH4 reforming, which is energy and CO2 intensive. Solar molten metal CH4 cracking is an alternative zero emissions technology. Solar radiation is focused with large curved mirrors onto the molten metal. The molten media provides improved heat transfer, a thermal storage medium against transient solar flux, and a unique method of separating H2 and C. Blank and molten metal alumina tube reactors are studied from 1023 K to 1323 K. Plug flow, perfectly mixed, and combined perfectly mixed with a bypass (CPMR) reactor models were numerically implemented to simulate the blank reactor and determine the kinetic parameters. The CPMR model incorporated a third parameter that dictates how much how travels through the bypass. Results for the CPMR model showed k0 = 5.43e15 1/s, Ea = 420.7 kJ/mol and β = 0.426. The CPMR model was shown to have 8.3% ± 6.8% average error against data found in literature. Sn was selected as the bath material for the molten metal reactor (MMR), and the reaction gas was bubbled through the bath using an injector. 18.9% conversion was obtained at 1273 K, and near zero conversion for lower temperatures. A numerical model of the MMR was implemented using a spherical bubble model coupled with the CPMR model for the blank space above the molten metal. The MMR model showed that the majority of CH4 conversion occurred in the blank space above the bath. Decreasing bubble size and increasing bath height improved bubble conversion.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,816

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 GPT0,197
Écart entre enseignants0,190 · 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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Alberta LibraryMême sujetCatalysts for Methane ReformingTravaux en français237 207