Refrigeración solar por eyector
Bibliographic record
Abstract
La finalidad de este trabajo es el estudio de un método de refrigeración que ayude a reducir el impacto medioambiental que producen otros sistemas de refrigeración más convencionales. Este método consiste en combinar la energía del Sol, que es renovable y gratuita, con un sistema de refrigeración por eyección que, a pesar de no tener alta eficiencia, tiene importantes ventajas como la de tener un bajo coste y una menor complejidad que otros sistemas. \nPara comenzar el estudio se hará un breve repaso por las distintas tecnologías de refrigeración solar hasta llegar a la refrigeración solar por eyector. También se va a realizar un breve repaso de la historia de los eyectores y su aplicación a los ciclos de refrigeración así como un análisis teórico de los mismos, desarrollando los modelos matemáticos necesarios para la realización del estudio. \nPor otro lado, uno de los puntos clave de la refrigeración por eyección es el relacionado con las propiedades del refrigerante. Por este motivo, para determinar qué refrigerante es el idóneo para esta aplicación, se describirán los criterios que deben cumplir y se utilizarán los modelos desarrollados del eyector. Además, se describirá cómo ha evolucionado la historia de los refrigerantes y la importancia de los Protocolos de Kioto y de Montreal en dicha evolución. \nIgualmente, al ser una aplicación de refrigeración solar, se va a realizar un repaso teórico sobre la energía solar y, además, se va a desarrollar de forma matemática y esquematizada la instalación solar. Con estos modelos, tanto de la instalación solar como del ciclo de refrigeración por eyector, se hará un estudio de una instalación situada en Madrid y se mostrarán los resultados más relevantes de la misma así como una evaluación del ahorro de emisiones de CO2 que supone su uso. Finalmente, se van a presentar las conclusiones a las que se ha llegado con este estudio y los posibles trabajos futuros.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".