Impact of Fuel Conditioning and Combustor Injection Temperature on a Hydrogen Turboprop
Notice bibliographique
Résumé
Abstract Reducing aviation emissions demands revolutionary propulsive technologies, and gaseous hydrogen (H2) combustion offers high potential. However, using this fuel in aero engines requires complex fuel conditioning systems. Cryogenic liquid hydrogen stored in aircraft tanks must be warmed to an adequate temperature for injection in the combustor. Recuperating gas turbine heat via a heat exchanger around the exhaust conditions the fuel without hindering engine performance. This article examines the impact of combustor injection temperature of gaseous hydrogen on the performance of an H2-burn turboprop for a short-range subsonic application. Multipoint design and off-design modeling of the advanced hydrogen cycle enable identification of critical conditions in different flight phases. Different control strategies were used to evaluate tradeoffs between engine specific fuel consumption (SFC), weight, and fuel system complexity. To maintain aircraft performance, combustor fuel injection temperatures must be low. Analyses show that at injection temperatures of 400 K, even with low pressure drop in the engine nozzle, engine weight increases by 2.5% over a 200 K baseline. Without an integrated heat exchanger, the engine requires upsizing by 1.8%, 4%, and 9.9% for injection temperatures of 100 K, 200 K, and 400 K, respectively, increasing SFC by 3.7%, 8.6%, and 21%. However, low fuel injection temperatures and the reduction of fuel injection velocity could lead to flame stability issues. This research emphasizes the need to define feasible fuel injection temperatures and velocities, supporting fuel conditioning optimization for future H2 aircraft and affecting fuel burn.
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 ».