MétaCan
Menu
Retour à la cohorte
Enregistrement W7117659700 · doi:10.1016/j.ecmx.2025.101500

Transcritical CO2 refrigeration systems enhanced by ejector technology: state-of-the-art review

2025· article· en· W7117659700 sur OpenAlex
Enio Pedone Bandarra Filho, Mouhammad El Hassan, Nikolay Bukharin, Zeeshan Rana, Anas Sakout

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEnergy Conversion and Management X · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueRefrigeration and Air Conditioning Technologies
Établissements canadiensSAIT Polytechnic
Organismes subventionnairesnon disponible
Mots-clésTranscritical cycleBandwidth throttlingRefrigerationInjectorCoefficient of performanceWork (physics)RefrigerantHeat exchangerCooling capacity

Résumé

récupéré en direct d'OpenAlex

• Comprehensive state-of-the-art review of ejector-integrated transcritical CO 2 systems. • Ejector integration improves COP by 10–25%, reaching up to 40–60% in hybrid cycles. • CFD–ML surrogate models reduce entrainment-ratio and pressure-lift errors to < 3 %. • Multi-ejector and VGE systems sustain COP under large ambient-temperature variations. • Key research gaps identified: standardization, long-term reliability, and smart control. The demand for sustainable and environmentally benign refrigeration technologies has accelerated the adoption of carbon dioxide (CO 2 ) as a natural refrigerant. Despite its thermodynamic benefits and negligible global warming potential, the use of CO 2 in transcritical refrigeration cycles is constrained by significant inefficiencies, particularly related to throttling losses and high discharge pressures. Ejector technology has emerged as a potential addition mechanism that could enhance the overall cycle performance by recuperating the expansion work and distributing the pressure to optimal points. This review paper gives an in-depth and critical description of ejector-integrated transcritical CO 2 refrigeration systems. It explores the basics of ejectors, including ejector-based system configurations, their performance enhancement, control strategies, and industrial applications. Quantitative analyses from recent studies indicate that ejector integration can improve the system Coefficient of Performance (COP) by 10 to 25 % compared with conventional throttling cycles, while hybrid designs employing internal heat exchangers or parallel compression achieve gains up to 40 %. In addition, recent developments such as Computational Fluid Dynamics (CFD) and machine learning, are also discussed. The integration of CFD and ML frameworks has reduced prediction errors in the entrainment ratio and pressure lift to below 3%. Critical gaps are found in standardization, long-term reliability, and smart system integration. The review outlines preliminary directions including the establishment of unified testing protocols, the development of long-duration reliability studies, and the design of adaptive, sensor-integrated ejector systems for intelligent control. This review is cross-disciplinary and systematic in its scope to the critical role ejector technology has played in enhancing the development of high-efficiency and low-emission refrigeration technology.

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.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,297

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 Opus0,003
Tête enseignante GPT0,193
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