Combustion and Greenhouse Gas Emissions of a Natural Gas-Diesel Dual Fuel Engine at Low and High Load Conditions
Notice bibliographique
Résumé
Abstract The Paris agreement is exerting pressure on industries that generate significant greenhouse gas (GHG) emissions, such as transportation. Electrification can help reduce GHG emissions from light duty vehicles, but it is unfeasible for heavy duty vehicles that are predominately powered by diesel engines. Fuel switching from diesel to low carbon fuels is a more practical way helping reduce GHG emissions from heavy duty vehicles. Natural gas and renewable natural gas are low carbon or renewable fuels that generate much less carbon dioxide (CO2) emissions than diesel during combustion. Natural gas/renewable natural gas – diesel dual fuel combustion is an efficient way to replace diesel by natural gas/renewable natural gas in heavy duty diesel engines. This paper reports an experimental investigation on combustion and GHG emissions of a heavy duty natural gas – diesel dual fuel engine at different load/speed conditions. The variation in the effect of natural gas fraction on engine performance with changing engine load was compared and analyzed. Nitrous oxide (N2O), nitrogen oxides (NOx), methane (CH4) and CO2 emissions were experimentally investigated and analyzed. The results revealed that the effect of natural gas fraction on engine performance changed with varying engine load and speed condition. N2O emissions from a dual fuel engine changed with increasing natural gas fraction, but the effect of N2O emissions on overall GHG emissions was not significant. However, CH4 emissions contributed significantly to the overall GHG emissions in a dual fuel engine, especially at low load conditions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».