Enhancing s-CO2 Brayton Power Cycle Efficiency in Cold Ambient Conditions Through Working Fluid Blends
Notice bibliographique
Résumé
Supercritical carbon dioxide (s-CO2) Brayton cycles have emerged as a promising technology for high-efficiency power generation, owing to their compact architecture and favorable thermophysical properties. However, their performance degrades significantly under cold-climate conditions—such as those encountered in Greenland, Russia, Canada, Scandinavia, and Alaska—due to the proximity to the fluid’s critical point. This study investigates the behavior of the recompression Brayton cycle (RBC) under subzero ambient temperatures through the incorporation of low-critical-temperature additives to create CO2-based binary mixtures. The working fluids examined include methane (CH4), tetrafluoromethane (CF4), nitrogen trifluoride (NF3), and krypton (Kr). Simulation results show that CH4- and CF4-rich mixtures can achieve thermal efficiency improvements of up to 10 percentage points over pure CO2. NF3-containing blends yield solid performance in moderately cold environments, while Kr-based mixtures provide modest but consistent efficiency gains. At low compressor inlet temperatures, the high-temperature recuperator (HTR) becomes the dominant performance-limiting component. Optimal distribution of recuperator conductance (UA) favors increased HTR sizing when mixtures are employed, ensuring effective heat recovery across larger temperature differentials. The study concludes with a comparative exergy analysis between pure CO2 and mixture-based cycles in RBC architecture. The findings highlight the potential of custom-tailored working fluids to enhance thermodynamic performance and operational stability of s-CO2 power systems under cold-climate conditions.
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 | 0,001 |
| 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 ».