ARPA

Dec 25, 2023

La Agencia de Proyectos de Investigación Avanzada del Departamento de Energía de EE. UU. - Energía (ARPA-E) anunció hasta $ 10 millones en fondos para desarrollar nuevas tecnologías y herramientas para reducir el impacto ambiental de la aviación. La financiación, parte del amplio FOA de temas exploratorios de ARPA-E, es para el tema Predictive Emissions Technologies Reducing Aircraft Induced Lines in the Sky (PRE-TRAILS). (DE-FOA-0002784)

Las aeronaves consumen combustibles y emiten una variedad de emisiones, incluido el dióxido de carbono y el vapor de agua en forma de estelas de condensación. Esas estelas de condensación (estelas) se producen cuando el agua de escape de los aviones se mezcla con el aire frío y húmedo del ambiente. La mayoría de las estelas se disipan en menos de diez minutos y no son motivo de preocupación.

Sin embargo, cuando existen sitios de nucleación y condiciones atmosféricas específicas (como regiones sobresaturadas de hielo (ISSR)), el escape del motor puede causar la formación de estelas persistentes, que a su vez pueden producir cirros persistentes conocidos como cirros inducidos por aviones (AIC). . Estas nubes atmosféricas superiores pueden durar horas y pueden crecer hasta abarcar varios cientos de kilómetros.

Estudios recientes han indicado que es probable que las estelas contribuyan al forzamiento radiativo global a un nivel que es aproximadamente equivalente al de las emisiones de CO2 de todo el sector de la aviación, que se estima en alrededor del 2% de las emisiones globales totales de CO2.

Desafortunadamente, en la actualidad, los pilotos, los controladores de tránsito aéreo y los diseñadores de sistemas aeroespaciales tienen poca o ninguna información sobre si un vuelo específico puede generar cirros persistentes.

ARPA-E prevé el desarrollo de un sistema para predecir las estelas de la aviación (un "Sistema de predicción de las estelas de la aviación", ACPS) que sería capaz de informar a los pilotos y controladores de tierra en tiempo real si es probable que un avión produzca AIC persistente. Este nuevo sistema podría fomentar el desarrollo de:

estrategias de evasión—permitiendo la redirección de los aviones por parte del control de tierra hacia trayectorias de vuelo más favorables (no AIC); y/o

tecnologías de mitigación a bordo.

Un uso previsto de un modelo predictivo AIC casi en tiempo real. Los datos de vuelo y otras fuentes de datos ambientales se asimilan en un modelo predictivo AIC de mejor estimación durante la planificación del vuelo. Más datos in situ del vuelo actual, datos in situ de vuelos anteriores o posteriores, y datos de observación de fuentes satelitales o terrestres limitarían y mejorarían la salida del modelo, lo que daría como resultado predicciones mejoradas y un mejor apoyo a la toma de decisiones en vuelo. a través de un simple monitoreo y notificación al piloto/operador de vuelo o a través de rutas de vuelo tácticas continuamente optimizadas. El resultado del programa es el modelo predictivo AIC y los datos o sensores necesarios para hacer una predicción AIC precisa validada mediante observaciones.

El desarrollo de un ACPS será particularmente desafiante, en parte porque el AIC puede formarse varias horas después del paso de una aeronave. Estos modelos predictivos deberán considerar tanto las condiciones atmosféricas dinámicas como las emisiones del motor. Esto puede requerir, por ejemplo, la asimilación de datos in situ de los sistemas de sensores a bordo, así como datos de observación fuera de la aeronave de fuentes terrestres y/o satelitales e informes de vuelo anteriores.

Áreas Técnicas de Interés. El objetivo de PRE-TRAILS es apoyar el desarrollo de una capacidad predictiva que, en "tiempo real" y con gran confianza, pueda informar a un piloto o a un operador de vuelo si es probable que una aeronave produzca cirros inducidos por la aeronave (AIC) persistentes, incluso horas antes de que estén completamente desarrollados. Cada propuesta de proyecto para la financiación debe abordar las siguientes tres áreas tecnológicas para desarrollar un sistema predictivo de contrail de aviación:

Aeronaves, datos ambientales y desarrollo de sensores: es posible que se necesiten nuevos sensores o fuentes de datos ambientales para proporcionar suficientes datos de capacitación y validación para las capacidades predictivas previstas. Las condiciones de formación de estelas se identifican por el criterio de Schmidt-Appleman: donde el contenido de vapor de agua alcanza la saturación líquida bajo condiciones específicas de temperatura y saturación en presencia de sitios de nucleación. Especialmente importantes son las estelas persistentes que se forman cuando los aviones viajan a través de la ISSR atmosférica, lo que lleva a AIC. Dado que el régimen de formación de estelas persistentes es una combinación de los criterios de Schmidt-Appleman e ISSR, los sensores capaces de identificar estos parámetros con precisión en tiempo real son de particular interés, por ejemplo, los sistemas de sensores capaces de medir la humedad atmosférica superior a 10 ppm o menos.

Modelado predictivo: los métodos computacionales avanzados de aprendizaje automático desarrollados en la última década permiten la exploración de conjuntos más grandes de datos de entrada y exploran correlaciones multivariadas complejas para resolver problemas más complejos que nunca. ARPA-E está interesado en equipos de proyecto que exploren si dichos métodos pueden aprovecharse para desarrollar un sistema predictivo en tiempo real para el desarrollo de AIC. Para informar las estrategias de prevención y mitigación, es importante que cualquier modelo predictivo brinde resultados razonablemente precisos, minimizando los errores falsos positivos (tipo I) y falsos negativos (tipo II). A los efectos de este tema exploratorio, esto se puede capturar en la puntuación F equilibrada (puntuación F1), que es la media armónica de precisión y recuperación. Es importante que exista suficiente confianza en el modelo para informar las soluciones de prevención y mitigación, al tiempo que se minimizan los cambios de ruta innecesarios y onerosos.

Datos del observador: es necesario entrenar y validar un modelo predictivo. Para un sistema predictivo de contrail de aeronave, esto probablemente requerirá observadores y sensores adicionales. Se anticipa que los equipos necesitarán obtener suficientes datos relevantes de vuelo y de observadores de fuentes disponibles o pruebas de vuelo dedicadas para proporcionar verdaderas observaciones y validación de AIC, en lugar de solo estudios teóricos. Además, ARPA-E prevé un mecanismo de agregación de datos de observación e informes de estelas que imita las herramientas actuales para informes de turbulencia y podría servir para refinar y mejorar continuamente las capacidades de modelado predictivo de AIC en el futuro.

Publicado el 24 de febrero de 2023 en ARPA-E, Aviación y sector aeroespacial, Emisiones, Antecedentes del mercado | Enlace permanente | Comentarios (0)