Experimental Evaluation of Volatile Organic Compound Quantification Methods for Reciprocating Natural Gas Engines
Notice bibliographique
Résumé
Abstract Compressor stations utilizing large-bore natural gas engines transport natural gas through pipelines worldwide. One emission class regulated by the Environmental Protection Agency (EPA) is volatile organic compounds (VOCs), which are nonmethane, nonethane, nonaldehyde hydrocarbons. The combination of a gas chromatograph (GC) and a flame ionization detector (FID) can measure VOCs, following EPA Method 18/25A. The Fourier transform infrared spectrometer (FTIR) also measures VOCs, following EPA Method 320. Multiple VOC calculation techniques are utilized, some combining measurements from separate analyzers. Two basic methods of extracting exhaust gas are direct extraction and Tedlar bag sampling. In this study, various VOC quantification methods are evaluated. Exhaust gas was sampled from a Cooper-Bessemer GMV lean-burn engine and a Caterpillar G3304 rich-burn engine. The GMV was tested in three configurations: open chamber spark ignition, precombustion chamber (PCC) ignition, and PCC ignition with high-pressure fuel injection. Ignition timing sweeps were performed on both engines, and a fuel variability test was performed on the GMV. Results showed that the Gasmet and MKS FTIRs’ (Method 320) VOC measurements deviate significantly from the HP GC when measuring low molar concentrations, albeit below regulatory limits. A common VOC quantification approach is subtracting the sum of methane and ethane FTIR measurements from a total hydrocarbon measurement utilizing a FID. This method produces uncertainties of 190% and overestimates VOC concentration by an average of 100%. The Tedlar bag sampling method produced VOC measurements within −2% of the direct extraction method.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».