胶体半导体量子点/石墨烯范德华 (vdW) 异质结利用量子点 (QDs) 增强的光物质相互作用和光谱稳定性以及石墨烯中卓越的电荷迁移率,为增益或外部量子效率高达 10 10 的非制冷红外光电探测器提供了一种有前途的替代方案。在这些 QD/石墨烯范德华异质结构中,QD/石墨烯界面在控制光电过程(包括激子解离、电荷注入和传输)方面起着关键作用。具体而言,范德华界面处的电荷陷阱会增加噪声、降低响应度和响应速度。本文重点介绍了我们在设计范德华异质结界面以实现更高效的电荷转移、从而获得更高的光响应度、D* 和响应速度方面的最新进展。这些结果表明范德华异质结界面工程在 QD/石墨烯光电探测器中的重要性,这可能为低成本、可印刷和灵活的红外探测器和成像系统提供有前途的途径。
更广泛地应用可再生能源的瓶颈之一是开发高效的能源存储系统,以弥补可再生能源的间歇性。抽水蓄能 (PTES) 是一项非常新的技术,它可以成为抽水蓄能或压缩空气储能的一种有前途的独立于场地的替代方案,而不会受到相应的地质和环境限制。因此,本文对由高温热泵 (HTHP) 组成的 PTES 系统进行了完整的热力学分析,该系统通过中间高温热能存储系统 (HT-TES) 驱动有机朗肯循环 (ORC)。后者结合了潜热和显热热能存储子系统,以最大限度地发挥制冷剂过冷的优势。在验证了所提出的模型后,已经进行了几项参数研究,以评估在广泛的源和散热器温度下使用不同制冷剂和配置的系统性能。结果表明,对于在 HTHP 和 ORC 中采用相同制冷剂的系统,以及在 133 o C 下的潜热储热系统,R-1233zd(E) 和 R-1234ze(Z) 表现出最佳性能。在所有研究的 133 ◦ C 潜热储热系统的案例中,在 HTHP 中采用 R-1233zd(E) 并在 ORC 中采用丁烯时,系统性能最佳(同时考虑到对环境的影响)。理论上,在 HTHP 源温度和 ORC 接收器温度分别为 100 ◦ C 和 25 ◦ C 下,此类系统可达到 1.34 的功率比。© 2020 由 Elsevier Ltd. 出版。这是一篇根据 CC BY-NC-ND 许可协议开放获取的文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。
用于在受控温度下运输 COVID 19 疫苗的专用空中客车制冷设备 COVID 19 疫苗的运输和储存温度 疫苗(PFICER Bio Ntech) - 储存温度在 - 70 ºC 至 - 196 ºC 之间 - 使用制冷剂在容器中运输(液氮 - 196 ºC) - 使用制冷剂在容器中运输(干冰 - 78 ºC) - AA AIRBUS SL 制造特殊容器来执行这些操作 - 使用空中客车制冷设备型号 325 L 在 - 20 ºC 下等温运输,容量高达 17 立方米。从中央仓库装货点到疫苗接种中心的配送时间(24小时) 在门诊储存直至失效的时间(4天) 疫苗(Sputnik-V)
© 版权所有 2020 阿卜杜拉国王石油研究中心(“KAPSARC”)。未经 KAPSARC 适当授权,不得使用本文件(及其所含的任何信息、数据或材料)(“文件”)。未经 KAPSARC 书面许可,不得全部或部分复制本文件。KAPSARC 不作任何明示或暗示的保证、陈述或承诺,也不承担任何直接或间接的法律责任,也不对文件中所含任何信息的准确性、完整性或实用性负责。文件中的任何内容均不构成或暗示构成建议、推荐或选择。本出版物中表达的观点和意见均为作者的观点和意见,并不一定反映 KAPSARC 的官方观点或立场。
© 2020 Vertiv Group Corp. 保留所有权利。Vertiv™ 和 Vertiv 徽标是 Vertiv Group Corp 的商标或注册商标。所提及的所有其他名称和徽标均为其各自所有者的商品名、商标或注册商标。尽管已采取一切预防措施确保此处的准确性和完整性,但 Vertiv Group Corp. 对因使用此信息或任何错误或遗漏而造成的损害不承担任何责任,并声明不承担任何责任。Vertiv 有权自行决定更改规格、折扣和其他促销优惠,并会另行通知。
为什么选择二氧化碳?:天然制冷剂 欧盟 F-Gas 法规是欧洲国家的首要任务。它确保遵守《基加利修正案》,支持国际温室气体气候承诺,引领全球向气候友好型无 HFC 技术转型。二氧化碳 (R744) 正在制冷领域重新占据一席之地。受环保问题的推动,立法现在要求更多地采用“替代”制冷剂,例如二氧化碳。二氧化碳是一种环保解决方案,0DP 为零,“GWP”(全球变暖潜能值)=1 表示是大气中的天然物质。自 2015 年出台 F-Gas 法规以来,欧洲一直在逐步减少 HFC 的使用。世界各国都在积极准备颁布必要的国内立法,以实施减少 HFC 使用的协议。
* 本稿件由 UT-Battelle, LLC 撰写,根据与美国能源部 (DOE) 签订的合同 DE-AC05-00OR22725。美国政府保留,出版商在接受发表本文时,承认美国政府保留非独占、已付费、不可撤销的全球许可,可以出于美国政府目的出版或复制本稿件的已出版形式,或允许他人这样做。DOE 将根据 DOE 公共访问计划 ( http://energy.gov/downloads/doe-public-access-plan ) 向公众提供这些联邦资助研究的结果。
本文介绍了一种利用人工智能和物联网 (IoT) 技术设计的智能制冷管理系统。该系统通过物联网技术收集制冷设备内的实时温度、记录产品信息并增强冰箱功能,以方便人们智能地管理冷藏和冷冻食品。所提出的系统分为两部分:板载子系统和基于互联网的子系统。板载子系统使用 Arduino Leonardo 板来控制其他组件,包括低功耗机器视觉 OpenMV 模块、温度和湿度传感器以及 GY-302 光强度传感器。OpenMV 相机模块用于识别食物类型、读取条形码并通过卷积神经网络 (CNN) 算法和 tesseract-ocr 进行 OCR(光学字符识别)。食物类型识别模型由深度学习框架 Caffe 训练。GY-302 光强度传感器用作相机模块的开关。DHT11 传感器用于监测冰柜内的环境信息。基于互联网的子系统在物联网上运行。它保存信息并从机载子系统上传,并充当食品供应商的接口。该系统表明,现有的日常公用事业系统与最新的人工智能 (AI) 和物联网 (IoT) 技术的结合可以帮助开发更智能的应用程序和设备。