بهبود بازده تبدیل انرژی حالت جامد با استفاده از نانوساختارهای ترموالکتریک
محل انتشار: فصلنامه مهندسی و مدیریت انرژی، دوره: 8، شماره: 3
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ENERGY-8-3_007
تاریخ نمایه سازی: 29 آبان 1401
چکیده مقاله:
فناوری های تبدیل انرژی حالت جامد مانند سرماسازی و تولید توان ترموالکتریک، نیازمند موادی است که دارای رسانایی حرارتی پایین و در عین حال رسانایی الکتریکی و ضریب سیبک بالا باشند. با اینکه نیمه رساناها بهترین مواد ترموالکتریک هستند، ولی در نیمه رساناهای معمولی به ندرت این ویژگی ها یافت می شود. نانوساختارها از قبیل ابرشبکه ها، تارهای کوانتومی و نقطه های کوانتومی روش های جدیدی را برای بهبود بازده تبدیل انرژی حالت جامد از طریق مهندسی انتقال الکترون و فونون فراهم می کنند. در این تحقیق، یک ابر شبکه نیمه رسانا متشکل از نانولایه های متناوب سیلیکون و ژرمانیوم بررسی شده است. انتقال حرارت رسانایی در این نانوساختار با توجه به اثرات مقیاس نانو، از قانون فوریه پیروی نمی کند. معادله انتقال تشعشعی فونون ها به صورت عددی حل شده است و در نهایت کاهش ضریب رسانایی حرارتی نسبت به ساختار مشابه با ابعاد معمولی نشان داده شده است. نتایج نشان می دهد که با ثابت نگه داشتن نسبت ضخامت لایه ها، هرچه ضخامت لایه ها در ابرشبکه کوچک تر شود، پرش دما در فصول مشترک بیشتر شده و در نتیجه ضریب رسانایی حرارتی موثر کاهش بیشتری می یابد که در نهایت به بهبود خواص ترموالکتریک می انجامد. نتایج نشان می دهد که ضریب رسانایی حرارتی موثر تابعی از دانسیته مرزهای مشترک بر واحد طول ابرشبکه است.
کلیدواژه ها:
Solid-State Energy Conversion ، Heat Transfer ، Nanostructures ، Thermoelectrics ، Superlattices ، Equation of Phonon Radiative Transfer ، تبدیل انرژی حالت جامد ، انتقال حرارت ، نانوساختارها ، ترموالکتریک ، ابرشبکه ها ، معادله انتقال تشعشعی فونون ها
نویسندگان
میثم محمدی
Shahid Bahonar Kerman University
مظفر علی مهرابیان
Shahid Bahonar Kerman University
افراسیاب رئیسی
ShahreKord University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :