A Hydrogen Hybrid Powertrain for the Union-Pearson Railway
Notice bibliographique
Résumé
Canadian legislation attempts to regulate particle emissions released from the rail transportation sector. Assessment of the impact of rolling stock is the key to perform such regulations. Different strategies have been proposed to evaluate the health risks of mobile emission sources. Popular methods in measuring health assessment of rolling stock were reviewed in this study. Hydrail was proposed as an alternative option helping Canadian legislation to regulate emission generated from this mode of transportation. The feasibility of developing Hydrail technology is investigated. \nAs a case study, the drive cycle of the DMUs working on the Air-Rail link’s tracks of Great Toronto Area (GTA) was extracted. A theoretical model was implemented to estimate the duty cycle of the train as it was not possible to access the DMU’s throttle data. According to the duty cycle estimator subsystem, the annual emission released from the track is calculated. To assess the health risk on people, 32 places which are located near the track were collected, and the locations were extracted using Google Earth. These places include hospitals, schools, and social community centers. The concentration of three types of pollutants was locally approximated in the 32 places, using Gaussian air dispersion modeling method. To implement the model, commercial software, AERMOD, was used. To contemplate the health effect of the trains, the estimated pollution concentrations were compared with the air quality standards. The Hydrail was introduced as an alternative technology to reduce the health impact of the rail sector. The benefits and drawbacks of the technology were introduced in detail. \nFinally, a hydrogen powertrain is designed in this study with respect to the estimated duty demand. This should be considered as the first subsystem of an end-to-end Hydrail design platform for this 25 Km long rail route. A frequency-based power management scenario was applied to the developed powertrain to control the power flow between energy sources. A sensitivity analysis was performed to approximate the system dynamics. The proposed power management scenario is capable to optimally keep the system working in its optimal working region whenever it will become integrated with a real-time high-level global optimization subsystem.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».