MétaCan
Menu
Retour à la cohorte
Enregistrement W7116105713 · doi:10.82417/sk7z-e223

Optimization and reliability enhancement of solid oxide fuel cells through advanced numerical modeling

2025· other· en· W7116105713 sur OpenAlexaboutno aff

Notice bibliographique

RevueEspace ÉTS (ETS) · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSolid oxide fuel cellReliability (semiconductor)Renewable energyGreenhouse gasMultiscale modelingOxideEfficient energy useDurabilityChemical energy

Résumé

récupéré en direct d'OpenAlex

Solid Oxide Fuel Cells (SOFCs) are gaining increasing attention as a viable solution for addressing the global need for energy security and environmental sustainability. When powered by clean energy sources such as green hydrogen, which is produced through electrolysis using renewable energy, SOFCs have the potential to significantly reduce greenhouse gas emissions and contribute to a sustainable energy future. Despite their advantages, including high efficiency and fuel flexibility, SOFCs face several challenges that hinder their widespread commercialization. A major concern is performance degradation, influenced by complex multi-physics interactions within the system, including thermal stresses, chemical reactions, and mechanical deformations. Current studies have mainly focused on enhancing efficiency; however, addressing degradation and reliability issues is crucial for the long-term success of SOFC technology. Key parameters such as operating temperature, fuel composition, material properties, and thermal management play critical roles in determining SOFC longevity and performance. Effective thermal management strategies can alleviate thermal stresses that contribute to material fatigue and failure while optimizing fuel composition can mitigate issues such as electrode delamination and enhance overall efficiency. Additionally, improving the microstructural design of cell components, such as porosity optimization in electrodes and tailored electrolyte thickness, can increase mechanical stability and reduce degradation rates. This research focuses on leveraging Computational Fluid Dynamics (CFD) to analyze and optimize SOFC performance. CFD simulations facilitate the identification of hotspots and regions prone to failure, enabling the development of targeted strategies to mitigate degradation. Advanced multi-physics modeling has allowed for detailed analysis of correlations between thermal, fluid, and electrochemical behavior. Through parametric studies, critical design and operational parameters have been identified to enhance power density, fuel utilization, and thermal stability. Moreover, the computational framework has been validated based on an experimental model developed at the Energy Mechatronics Laboratory (EML) at the University of Alberta. This experimental setup replicates real-world operating conditions and provides high-fidelity data to benchmark the simulation results, ensuring accuracy and reliability. The insights gained from this study are expected to contribute significantly to the development of robust operational strategies that mitigate degradation issues and extend the operational lifespan of SOFCs. By identifying optimal operating conditions and enhancing predictive capabilities, this research supports the transition toward more sustainable energy solutions.

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 candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,344
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,010
Tête enseignante GPT0,275
Écart entre enseignants0,265 · 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.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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 revueEspace ÉTS (ETS)Travaux en français237 207