MétaCan
Menu
Retour à la cohorte
Enregistrement W3170956094 · doi:10.1021/acs.energyfuels.1c00915

Investigation of Potential Fuels for Hybrid Molten Carbonate Fuel Cell-Based Aircraft Propulsion Systems

2021· article· en· W3170956094 sur OpenAlexafffund
Shaimaa Seyam, İbrahim Dinçer, Martin Agelin‐Chaab

Notice bibliographique

RevueEnergy & Fuels · 2021
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensOntario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésTurbofanMolten carbonate fuel cellCombustorEnvironmental scienceSteam reformingPropulsionDimethyl etherWaste managementDiesel fuelProcess engineeringHydrogenMethanolCombustionEngineeringAutomotive engineeringChemistryHydrogen productionAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Alternative fuels and innovative powering systems are recognized as essential for clean and sustainable aviation practices, performance improvements and emission reductions. This paper proposes a new hybrid turbofan and molten carbonate fuel cell (MCFC) system consisting of a steam reformer, a water gas shift reactor, and a catalytic burner. Five potential fuels are employed, including ethanol, methane, hydrogen, dimethyl ether, and methanol with different mass fractions to constitute five fuel blends. Thermodynamic analyses are conducted to study the proposed hybrid MCFC-turbofan performance, and the results are compared with a kerosene-based turbofan. It is found that a traditional turbofan performance can produce 42 MW with 59% energetic efficiency and 71% exergetic efficiency, whereas the hybrid MCFC turbofan can produce 40 MW by mixing all the five alternative fuels, but with higher performance of 65% and 80% energetic and exergetic efficiencies, respectively. Also, the CO2 emissions are substantially reduced by 75%. The fuel blends provide better performance and much lower CO2 emissions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy & FuelsMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207