Diesel Ethanol Blends in Genset Engine: Ensuring Diesel-Like Performance at Reduced Emissions Using Optimal Cetane Enhancer-Based Additive Composition
Notice bibliographique
Résumé
A reliable power supply forms the basis of the robust economic growth of a country.The unreliable power supply is one of the key factors driving the demand for generator sets (gensets) across India.Emissions from diesel gensets adversely affect the environment and human health.Alcohol-blended diesel can be used in gensets to reduce harmful emissions.This paper presents an investigation of the effect of additive compositions in diesel ethanol blends on the emission characteristics of a multi-cylinder genset engine.In this study, four distinct diesel ethanol blends were prepared with varying additive compositions.All blends included diesel, ethanol, and additive in a constant proportion of 90.3:7.7:2.The additive was composed of three constituents: 2-Ethyl Hexanol, 2-Ethyl Hexyl Nitrate, and Ethomeen.These constituents were mixed in varying proportions (1:0.20:1,1: 0.21:1, 1: 0.23:1, and 1:0.24:1 by weight) to create four distinct fuel blends, ED1, ED2, ED3 and ED4, respectively.Subsequently, mass emission tests (CO, HC, NOx, PM, and smoke) were conducted on a genset engine using these blends.Primary results indicate that the ethanol blended diesel fuels generate lower emissions when compared to base diesel, and the blends ED1 and ED3 achieved the best emission characteristics.The NOx, CO, and PM emissions were reduced by 30%, 9%, and 20%, respectively, while HC emissions increased by approximately 25% with the ED blend compared to diesel.It can be concluded that existing genset engines can easily adapt to ED7.7 without significant modifications to their current hardware, such as the piston bowl, compression ratio, or fuel system.The compatibility of ED7.7 with these in-use genset engines lowers the cost and complexity of transitioning to cleaner fuel alternatives, making it a practical solution for widespread adoption.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».