Numerical studies on <scp>PCM</scp> 's contribution for thermal energy storage in continuous operation
Notice bibliographique
Résumé
Abstract The utilization of phase change materials (PCMs) holds immense promise for thermal energy storage due to their high latent heat capacity. However, the design of advanced continuous operation systems is currently hampered by the lack of a systematic framework for selecting the optimal PCM, leading to risks of inefficiency and unpredictable performance. This study directly confronts this challenge by establishing clear selection criteria based on a numerical investigation of simultaneous melting and solidification. We analyzed three paraffin‐based PCMs (RT 50, RT 35, and RT 27) under constant source (348 K) and sink (273 K) temperatures. The results reveal that achieving a stable, continuous melt fraction depends not on a single property like latent heat, but on the complex interplay between thermal diffusivity, driving forces, and convection, as quantified by Rayleigh and Prandtl numbers. RT 50 exhibited the most stable performance, attaining a steady melt fraction of 0.21 after 180 s and an average PCM temperature of 304.9 K, with Rayleigh numbers of 425 × 10 8 (charging) and 756 × 10 8 (discharging). In contrast, RT 27 and RT 35 showed continuously increasing melt fractions of 0.36 and 0.34 at 200 s, driven by higher thermal gradients (46 and 40 K, respectively) and Prandtl numbers (45.6 and 230), indicating unstable long‐term operation. This work provides a crucial, evidence‐based methodology for designing next‐generation, high‐efficiency thermal storage systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».