MétaCan
Menu
Retour à la cohorte
Enregistrement W7075273367

PEM fuel cell heat recovery for preheating inlet air in standalone solar-hydrogen systems for telecommunication applications: An exergy analysis

2016· article· en· W7075273367 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueTheoretical and Computational Physics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTRNSYSInletHeat exchangerExergyContext (archaeology)Proton exchange membrane fuel cellExergy efficiencyHeat recovery ventilation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In this paper, a theoretical model of a PEMFC with heat recovery system (PEMFC-HR) for preheating its inlet air to mitigate the performance degradation, when the fuel cell operates in an extreme cold environment, is proposed and evaluated by using exergy analysis. In this modeling study, HOMER and TRNSYS software tools are used to simulate the yearly load profile of a PEMFC in the context of a standalone hybrid solar-hydrogen system (hybridized with batteries) for telecommunication application in cold climate conditions. A dynamic theoretical model of the PEMFC-HR is then built in MATLAB environment to simulate and investigate the impacts of input parameters on the performance of such system. Furthermore, by using a high effectiveness heat exchanger (HE), the inlet air temperature of the PEMFC can be increased from sub-zero to well above the freezing point temperature. The impacts of the various ambient temperatures and fuel cell power on the exergetic efficiency of PEMFC-HR are then theoretically investigated and compared with the PEMFC coupled with an external electric heater (PEMFC-EH). Based on a case study for Eureka, Canada, the modeling results showed that approximately equivalent to 30% of the electrical energy, generated annually by the PEMFC, can be saved by replacing the PEMFC-EH arrangement with a PEMFC-HR system.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,916
Score d'incertitude au seuil0,898

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,253
Écart entre enseignants0,238 · 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'étudeThéorique ou conceptuel
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetTheoretical and Computational PhysicsTravaux en français237 207