Efficiency, economic and environmental impact assessments of a new integrated rail engine system using hydrogen and other sustainable fuel blends
Notice bibliographique
Résumé
Locomotives still use antiquated engines, such as internal combustion engines operated by fossil fuels which cause global warming due to their significant emissions. This paper investigates a new hybridized locomotive engine containing a gas turbine system, solid oxide fuel cell system, heat recovery system, and an on-board hydrogen production system. This new integrated engine is operated using five fuel blends composed of alternative fuels, such as hydrogen, methane, methanol, ethanol and dimethyl ether. The current investigation involves multiple studies, such as exergy analysis, exergoeconomic analysis and exergoenvironmental analysis to assess the integrated engine system from three perspectives: efficiency/irreversibility, cost and environmental impact. The present study results show that the net power of this new engine is 4948.6 kW, and it has an exergetic efficiency of 62.7% according to the fuel-product principle. In addition, this engine weighs about 9 tons and costs about $10.2 M, with a levelized cost rate of 147 $/h and 14.06 mPt/h of overall component-related environmental impact rate. The average overall specific fuel and product exergy costs are about 37 $/GJ and 60 $/GJ, and the minimum values are 13.3 $/GJ and 21.8 $/GJ using the methane and hydrogen blend, respectively. Also, the average overall specific fuel-product exergoenvironmental impacts are about 15 and 23 mPt/MJ, respectively. Furthermore, the on-board hydrogen production has an average exergy cost of 274 $/GJ with an environmental impact of 52 mPt/MJ. Moreover, the hydrogen blended with methane or methanol is found to be more economical with less environmental impact.
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 ».