MétaCan
Menu
Retour à la cohorte
Enregistrement W7105659786 · doi:10.17632/9dy7sxyh46.1

The experimental data of performance mapping of propane thermoelectric sub-cooler

2025· dataset· W7105659786 sur OpenAlexaboutno aff

Notice bibliographique

RevueMendeley Data · 2025
Typedataset
Langue
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHeat exchangerCoefficient of performanceSubcoolingRefrigerationThermoelectric coolingThermoelectric effectCooling capacityThermoelectric generatorThermal

Résumé

récupéré en direct d'OpenAlex

As responsible for 7.8% of global greenhouse emissions, the heat pump and refrigeration sectors are important in achieving sustainable development goals [1]. To reduce emission levels, traditional environmentally harmful working fluids that cause ozone depletion, which are listed in the Montreal Protocol [2], are being phased out. Furthermore, energy efficiency studies were conducted to improve the performance of the standard cycle. One way to increase the performance of the cycle is to use subcooling methods, that is, further cooling the working fluid in the condenser/gas-cooler [3]. Among the alternatives, the thermoelectric subcooling method is promising because of easy implementation, serving both in heating and cooling with thermoelectric modules (TEM), and adaptability to different capacities. The main aim of this study is to create a performance mapping of a thermoelectric subcooler (TESC) under different operating conditions and generate comparative results of two different manufacturing methods, conventional drilling and welding, and 3-D printing, that were used on the R290 heat exchanger of the TESC. According to the results, it was shown that the 3-D printed R290 heat exchanger was superior to a conventionally manufactured R290 heat exchanger in terms of thermal performance. Results showed that 3-D printed TESC can provide 270 W of additional cooling capacity with a cooling coefficient of performance of 1.22, while simultaneously providing 490 W of heating capacity with a heating coefficient of performance of 2.22.

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)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Science ouverte
Catégories consensuellesMéta-épidémiologie (sens strict), Science ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0010,002
Communication savante0,0000,003
Science ouverte0,0470,044
Intégrité de la recherche0,0010,002
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 Opus0,100
Tête enseignante GPT0,328
Écart entre enseignants0,228 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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'admission1
Résumé présentoui

Explorer davantage

Même revueMendeley DataTravaux en français237 207