Impact of Heat Transfer Fluid Velocity on Sustainable Multi-Stage Latent Thermal Energy Storage Performance in CSP Systems
Notice bibliographique
Résumé
This study presents a computational investigation of a multi-stage latent heat thermal energy storage (LHTES) system integrated with cascaded organic phase change materials (PCMs) for application in concentrated solar power (CSP) plants. The research focuses on quantifying the influence of heat transfer fluid (HTF) inlet velocity on melting dynamics, charging efficiency, and overall thermal response of the storage unit. A three-stage PCM configuration—employing Octadecanoic Acid, RT58, and Dodecanoic Acid—was modeled to exploit sequential melting across distinct temperature ranges, enhancing system stability and thermal utilization. Using computational fluid dynamics (CFD) in ANSYS Fluent with the SIMPLE algorithm, simulations were carried out under fixed HTF temperature (100°C) while systematically varying inlet velocity from 35 m/s to 70 m/s. The results demonstrate that increased HTF velocity accelerates convective heat transfer and reduces melting duration, though improvements remain incremental compared to temperature-driven effects. Additionally, higher velocities introduce greater heat loss to the aluminum shell, limiting net efficiency gains. This work provides key insights into velocity optimization as a secondary performance parameter in LHTES design, complementing temperature control strategies to maximize charging efficiency, minimize thermal losses, and enhance CSP plant reliability and sustainability.
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) | 0,001 | 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) | 0,001 | 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 ».