An Experimental Investigation on Combustion and Emissions of a Hydrogen Enriched Ammonia-Diesel Dual Fuel Engine at a Medium Load Condition
Notice bibliographique
Résumé
Abstract As a carbon-free hydrogen carrier, ammonia is easy to store, handle and distribute compared to hydrogen itself. Switching from diesel to green ammonia in heavy-duty compression ignition engines dominating the power generation of freight transportation industry has the potential to reduce greenhouse gas (GHG) emissions. However, due to the low flame speed and presence of fuel-bound nitrogen, ammonia combustion may result in certain unburned ammonia slip and nitrous oxide (N2O) emissions, which offsets its zero-carbon advantage in applications. In this paper, an investigation on the influence of hydrogen blending on ammonia slip and emissions of nitrogen oxide (NO), N2O and GHG in a heavy-duty ammonia-diesel dual fuel engine is experimentally conducted at a medium engine load, various hydrogen blending ratios, and different gaseous fuel energy fractions. The results reveal that hydrogen blending does help significantly reduce ammonia slip. However, hydrogen blending does not help reduce N2O emissions at relatively lower gaseous fuel energy fractions that result in lower equivalence ratio for hydrogen/ammonia mixture, but does help reduce N2O emissions at relatively larger gaseous fuel energy fractions. As a result, hydrogen blending does not help reduce GHG emissions at relatively lower gaseous fuel energy fractions, but does help at higher gaseous fuel energy fractions. Blending of a small amount of hydrogen significantly improves engine efficiency, but the effect of further increasing hydrogen blending ratio on engine efficiency is insignificant. A side effect of hydrogen blending is that it increases NO emissions, since it not only increases combustion temperature but also promotes the NO formation via fuel route during ammonia combustion.
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 ».