MétaCan
Menu
Retour à la cohorte
Enregistrement W767183302 · doi:10.1115/1.4032451

Numerical Analysis of Thermal Stratification in Large Horizontal Thermal Energy Storage Tanks

2016· article· en· W767183302 sur OpenAlexafffundabout
Maikel Shaarawy, Marilyn Lightstone

Notice bibliographique

RevueJournal of Solar Energy Engineering · 2016
Typearticle
Langueen
DomaineEnergy
ThématiqueSolar Thermal and Photovoltaic Systems
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésStratification (seeds)InletThermal stratificationEntrainment (biomusicology)Storage tankEnvironmental scienceThermalTurbulenceThermal energy storageMechanicsBaffleComputational fluid dynamicsMixing (physics)Jet (fluid)Marine engineeringMeteorologyEngineeringThermodynamicsMechanical engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents the results of a numerical study on the thermal performance of large horizontal thermal energy storage tanks. The numerical model was validated using measurements obtained from Drake Landing Solar Community (DLSC), which is located in Alberta, Canada. A total of seven different baffle configurations were assessed for a range of operating conditions. Characterization of the tank performance was done by monitoring the tank outlet temperature and computing the Huhn efficiency, which is a characterization index based on the second law of thermodynamics. Results show that the current tanks at DLSC experience excessive mixing due to fluid entrainment from the inlet jet. A newly introduced design that confines the inlet jet mixing shows the potential to enhance the level of stratification during charging or discharging at a constant temperature. In addition, most designs tested have a relatively high level of stratification during charging, discharging, and simultaneous charging and discharging, but fail to sustain the level of stratification when a positive buoyant jet is introduced.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
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 Opus0,007
Tête enseignante GPT0,200
Écart entre enseignants0,193 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Solar Energy EngineeringMême sujetSolar Thermal and Photovoltaic SystemsTravaux en français237 207