Sustainable Methanol for Aeroderivative Industrial Gas Turbines: Emissions Reductions and Performance Enhancements
Notice bibliographique
Résumé
Transitioning to net-zero necessitates innovative approaches to reduce emissions and enhance gas turbine performance. This paper reports three methanol demonstrations on Siemens Energy’s SGT-A05, SGT-A20, and SGT-A35 engines. Test objectives included quantifying emissions, power, and efficiency changes and proving fuel system and combustor upgrade methodologies. The SGT-A20 test validated the design methodologies and upgrades, including the increased fuel system capacity, methanol capable fire and gas detection systems, and modified fuel injectors. The SGT-A35 test scaled the approach to higher power output and turbine temperatures in the same facility, while additive manufacturing accelerated prototyping and final hardware delivery. The SGT-A05 ran in a production genset on 100% methanol (M100) and an 80% - 20% methanol-water blend (M80) which targeted further NOx reduction, proving methanol’s ability as a diesel alternative. Following minor control changes to address methanol’s low volumetric heating value, all engines executed starts, shutdowns, and fast transients fault-free. Results were consistent across tests: at constant power NOx reduced ~80% on M100 and ~90% on M80, and carbon dioxide was ~10% lower than kerosene baselines. These findings demonstrate methanol’s viability as a sustainable gas turbine fuel and provide actionable design, test, and operational guidance to accelerate deployment in support of the energy transition.
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 ».