Critical experimental evaluation of hydrogen blends with conventional fuels for enhanced power generator performance
Notice bibliographique
Résumé
• Gasoline, methane and propane are blended with hydrogen up to 20%vol. • A dual-fuel carburettor is included in the engine of a commercial power generator. • Methane/hydrogen blends show better performance in terms of emissions. • A 20% hydrogen compensates the power reduction with methane. This experimental work explores the use of hydrogen blends with gasoline, methane, and propane in power generators. A commercial gasoline engine-driven stationary power generator with a capacity of 3.65 kW is utilized during the tests. A dual-fuel carburetor is included in the engine to adjust the desired fuel mixture after a set of modifications. Gasoline, methane, and propane are then blended volumetrically with hydrogen with the ratios of 5 %, 10 %, 15 %, and 20 %. The tests with 100 % gasoline, methane, and propane are also conducted to make a proper comparison. The power output of the generator, temperature at the cylinder exit, and exhaust gases are experimentally tested, and the obtained measurements are then analyzed. The results reveal that increasing hydrogen content up to 20 % significantly has reduced CO 2 emissions by 42.8 % for gasoline, 46.9 % for propane, and 37.7 % for methane, while also reducing CO emissions by 44.8 %, 50 %, and 40 % for gasoline, propane, and methane, respectively. However, NO x emissions tend to increase significantly with hydrogen addition, particularly for propane (186.3 % increase) and methane (154.8 % increase). The power output of the generator and efficiency generally improved, with propane showing the highest increase in power (10 %) and methane exhibiting the most significant gain in efficiency (reaching parity with gasoline at 20 % hydrogen). With increasing hydrogen content, the operating cost per hour has decreased for all fuel types.
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 ».