Recalibrated Nitrogen-Oxide (NOx) Emission-Index Model for Hydrogen Combustion Aircraft Engine Performance Analysis

De lucht boven ons is niet slechts een decor voor de vlucht; het is een complex chemisch systeem dat reageert op elke motor die er doorheen trekt. Wanneer vliegtuigen brandstof verbranden, doen ze meer dan alleen koolstofdioxide uitstoten, een gas dat het planeet decennialang opwarmt. Ze stoten ook stikstofoxiden uit, een familie van gassen die hoog in de atmosfeer worden gevormd en een kettingreactie van chemische veranderingen teweegbrengen. Deze veranderingen kunnen de ozonlaag verdikken, die fungeert als een schild tegen schadelijke straling, terwijl ze tegelijkertijd methaan, een krachtig broeikasgas, doen afnemen. Het netto-effect van deze stikstofoxiden op ons klimaat is aanzienlijk, maar het is ook moeilijk te voorspellen omdat het sterk afhangt van exact waar en hoe hoog de emissies worden uitgestoten. Terwijl de luchtvaartindustrie uitkijkt naar een toekomst zonder koolstofdioxide-emissies, is waterstofbrandstof naar voren gekomen als een leidende kandidaat. Waterstof verbrandt schoon zonder koolstof, maar produceert nog steeds stikstofoxiden. Om vliegtuigen te ontwerpen die het klimaat werkelijk helpen, moeten ingenieurs precies weten hoeveel van deze gassen een waterstofmotor zal produceren, maar het voorspellen van dit aantal is een berucht moeilijke taak.

Decennialang hebben wetenschappers vertrouwd op vereenvoudigde wiskundige afkortingen om deze emissies tijdens de vroege stadia van het motordesign te schatten. Deze afkortingen, bekend als 'reduced-order models', stellen ingenieurs in staat om duizenden simulaties snel uit te voeren zonder de ongelooflijk complexe fysica van elke individuele luchtwerveling in een verbrandingskamer te hoeven oplossen. Een dergelijke afkorting, ontwikkeld voor waterstofmotoren, gebruikt drie specifieke metingen uit het hart van de motor — de druk, de temperatuur en de verhouding tussen brandstof en lucht — om de hoeveelheid geproduceerde stikstofoxiden te raden. Echter, toen onderzoekers van de Technische Universiteit Dresden deze bestaande afkorting testten tegen een breed scala aan nieuwe gegevens, kwamen zij tot de conclusie dat het niet betrouwbaar genoeg was. De oorspronkelijke formule werkte goed voor het specifieke motordesign waarvoor hij gebouwd was, maar faalde in het accuraat voorspellen van emissies voor andere ontwerpen of andere operationele omstandigheden. De kloof tussen de voorspelling en de realiteit was te groot om nuttig te zijn voor de planning van de toekomst van de luchtvaart.

Om dit op te lossen, verzamelden de onderzoekers een enorme collectie gegevens uit experimenten en computersimulaties uitgevoerd door wetenschappers over de hele wereld. Deze dataset bevatte resultaten van vele verschillende soorten waterstofverbrandingskamers, elk met zijn eigen unieke vorm en manier van het mengen van brandstof en lucht. Door deze diverse informatie in hun computer te voeden, hercalibreerde het team de wiskundige afkorting. Ze pasten de getallen binnen de formule aan, zodat deze beter zou passen bij de bredere realiteit van hoe waterstofmotoren zich daadwerkelijk gedragen, in plaats van alleen bij het enkele ontwerp waarop het oorspronkelijk gebaseerd was. Het resultaat was een nieuw, bijgewerkt model dat veel nauwer aansluit bij de beschikbare gegevens. Waar de oude formule slechts ongeveer de helft van de tijd de realiteit weerspiegelde, komt de nieuwe versie veel beter overeen met de gegevens en legt het gedrag van verschillende motordesigns met veel grotere nauwkeurigheid vast.

De onderzoekers stopten niet bij het simpelweg nauwkeuriger maken van de cijfers; ze erkenden ook dat geen enkele afkorting ooit perfect kan zijn. Omdat de gegevens afkomstig waren van veel verschillende bronnen en motortypen, is er nog steeds een brede reeks mogelijke uitkomsten voor elke individuele voorspelling. Om dit aan te pakken, creëerden zij een manier om de onzekerheid te meten. In plaats van een enkel, vast getal voor de emissies te geven, biedt hun nieuwe methode een bereik van waarschijnlijke waarden. Ze ontdekten dat zelfs met de verbeterde formule, de werkelijke emissies bijna de helft of meer dan het dubbele van de voorspelde hoeveelheid konden zijn, afhankelijk van de specifieke details van de motor die het eenvoudige model niet kan zien. Deze onzekerheid is geen falen van de wetenschap, maar een realistische reflectie van het feit dat waterstofverbranding nog een ontwikkelend veld is met beperkte gegevens. Door deze onzekerheid te kwantificeren, stelt het model ingenieurs in staat om te plannen met een helder begrip van de risico's en mogelijkheden, in plaats van te pretenderen meer te weten dan zij doen.

Het team zette hun nieuwe instrument vervolgens aan het werk in een realistisch scenario: een vlucht met een middellange afstand, vergelijkbaar met die van een standaard passagiersvliegtuig met één gangpad. Ze simuleerden een reis van start tot landing, waarbij ze de emissies tijdens elke fase van de vlucht berekenden. De resultaten toonden aan dat het nieuwe, hercalibreerde model hogere stikstofoxide-emissies voorspelde dan het oude model, met name tijdens de krachtige fasen van de start en de klimvlucht. Dit bevinding is cruciaal omdat het suggereert dat eerdere schattingen te optimistisch waren geweest. Ondanks deze toename produceert de waterstofgestuurde motor nog steeds veel minder emissies dan een vergelijkbare motor die traditionele kerosine verbrandt. Wanneer rekening wordt gehouden met de totale hoeveelheid verbrande brandstof en de geproduceerde emissies, vertoont het waterstofvliegtuig een reductie in stikstofoxiden van ongeveer 77 procent vergeleken met de kerosineversie. Deze enorme reductie benadrukt het potentieel van waterstof om de luchtvaart te verduurzamen, zelfs als het pad naar perfecte voorspelling nog in aanleg is.

Uiteindelijk vormt dit werk een vitale brug tussen de complexe fysica van verbranding en de praktische behoeften van vliegtuigontwerpers. Het biedt een instrument dat snel genoeg is om in de vroege stadia van het ontwerp te gebruiken, maar accuraat genoeg om vertrouwd te worden met de milieugevolgen van die ontwerpen. De onderzoekers benadrukken dat hoewel hun nieuwe model een belangrijke stap voorwaarts is, het niet het laatste woord is. Naarmate er meer gegevens beschikbaar komen van echte waterstofmotoren en meer geavanceerde experimenten worden uitgevoerd, zal het model opnieuw bijgewerkt moeten worden. Voor nu dient het als een betrouwbaardere gids voor het navigeren door de transitie naar een schonere lucht, waarbij wordt gewaarborgd dat de drang om koolstofdioxide te elimineren niet gepaard gaat met onverwachte verrassingen in de vorm van andere klimaatveranderende gassen.