Comparative CFD Study of HTF Connection Configurations for Optimized Energy Management in Latent Thermal Storage of CSP Systems
Notice bibliographique
Résumé
This study presents a computational investigation of multi-stage latent heat thermal energy storage (LHTES) systems integrated with organic phase change materials (PCMs) for concentrated solar power (CSP) applications. The novelty of this work lies in evaluating the influence of heat transfer fluid (HTF) connection strategies on melting dynamics and system efficiency, with a particular emphasis on the trade-off between localized melting enhancement and overall thermal stability. The cascaded PCM configuration, comprising Octadecanoic, RT58, and Dodecanoic, was modeled within two geometrical layouts: Model 1 with extended HTF connections and Model 2 with direct PCM coupling. Using computational fluid dynamics (CFD) in ANSYS Fluent with the solidification/melting model, simulations were performed under controlled inlet temperature (100 °C).The results reveal that eliminating HTF connections accelerates localized melting rates by reducing flow resistance and promoting direct PCM–fluid interaction. However, extended HTF pathways improve staged melting and layering effects, mitigating thermal shock and ensuring uniform temperature distribution. Model 1 achieved more controlled thermal progression, while Model 2 favored faster early-stage melting but required longer to reach full PCM liquefaction. These findings underscore the critical role of HTF connection design in balancing charging time, heat transfer uniformity, and operational reliability. The study provides valuable insights into optimizing LHTES integration for CSP plants, demonstrating that careful geometric tuning of HTF pathways enhances both energy efficiency and long-term system stability.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».