DOI: https://doi.org/10.1016/j.fuel.2025.135571
تاريخ النشر: 2025-05-06
المؤلف: Amirreza Mottaghitalab وآخرون
الموضوع الرئيسي: تكنولوجيا محركات الاحتراق المتقدمة
نظرة عامة
تقدم هذه الدراسة آلية جديدة لاحتراق الأمونيا عند الضغط الجوي ودرجات حرارة أقل من 1800 كلفن، تم تطويرها من خلال نهج تحسين مبتكر يحتفظ بالهيكل الأصلي للآليات الموجودة. استخدمت الدراسة عشرة آليات مختلفة كنقاط انطلاق، مما أدى إلى تقليل كبير في أخطاء التنبؤ بأكاسيد النيتروجين (NO) والأمونيا (NH₃) وأكسيد النيتروس (N₂O) عبر ظروف مختلفة، بما في ذلك الخلطات الضعيفة، والستويكيمترية، والغنية. تم إجراء تعديلات رئيسية على معلمات معدل التفاعل لأربعة تفاعلات محددة: \( \text{NH}_2 + \text{O} \rightarrow \text{H} + \text{HNO} \)، \( \text{NH}_2 + \text{NO} \rightarrow \text{H}_2\text{O} + \text{N}_2 \)، \( \text{NNH} + \text{O}_2 \rightarrow \text{HO}_2 + \text{N}_2 \)، و \( \text{H} + \text{HNO} \rightarrow \text{H}_2 + \text{NO} \).
تشير النتائج إلى أن ليس كل الآليات تظهر نفس الإمكانية للتحسين؛ تم تحديد تفاعلات معينة كاختناقات حرجة للتحسين. على سبيل المثال، كان تفاعل \( \text{NH}_2 + \text{NO} \rightarrow \text{N}_2 + \text{H}_2\text{O} \) يحد من مكاسب الأداء في عدة آليات، بينما كان تفاعل \( \text{NH}_2 + \text{HO}_2 \rightarrow \text{NH}_3 + \text{O}_2 \) يقيد التحسينات في آليات أخرى. ظهرت آلية لي المحسنة كالأكثر فعالية عبر مجموعة واسعة من الظروف، مما يوضح أن الأداء الأولي لا يتنبأ بالضرورة بإمكانية التحسين. تم عزو تحسينات هذه الآلية إلى التعديلات الاستراتيجية في معدلات التفاعل، مما يبرز أهمية التحسين المستهدف في نمذجة الاحتراق.
مقدمة
تسلط المقدمة الضوء على الحاجة الملحة لتقليل انبعاثات غازات الدفيئة (GHG) في ضوء اتفاقية باريس، مع معالجة الزيادة المتوقعة في الطلب العالمي على الطاقة بسبب نمو السكان وزيادة الناتج المحلي الإجمالي. تم تحديد الأمونيا (NH₃) كوقود واعد خالٍ من الكربون يمكن إنتاجه من مصادر الطاقة المتجددة واحتراقه دون انبعاثات مباشرة من CO₂. إن بنيتها التحتية المعتمدة للإنتاج والنقل والتخزين تجعلها خيارًا قابلاً للتطبيق للاحتراق المشترك مع الفحم في محطات الطاقة الحرارية، لا سيما في مناطق مثل آسيا حيث يشكل الفحم جزءًا كبيرًا من إمدادات الطاقة.
تناقش هذه القسم آليات الاحتراق المختلفة للأمونيا، مع التأكيد على الحاجة إلى توقعات دقيقة لتركيزات الأنواع لتقليل الانبعاثات المحتملة من أكاسيد النيتروجين (NOx) والأمونيا غير المتفاعلة. ركزت الدراسات السابقة على احتراق الأمونيا تحت ظروف محددة، غالبًا ما كانت محدودة لتركيزات منخفضة ودرجات حرارة أقل من 1200 كلفن. تهدف هذه الدراسة إلى تطوير آلية شاملة لاحتراق الأمونيا في أنظمة احتراق السرير المميع (FBC)، تعمل عند الضغط الجوي ودرجات حرارة أقل من 1800 كلفن، مع تركيزات الأمونيا تتراوح من 0.005 إلى 25 مول%. ستقوم الدراسة بتقييم الآليات الموجودة وتحسينها باستخدام نهج جديد قائم على القوة الغاشمة لتعزيز قدراتها التنبؤية عبر مجموعة أوسع من الظروف.
الطرق
تحدد قسم الطرق جمع البيانات التجريبية وسير العمل لتحسين والتحقق من آليات التفاعل المتعلقة بالأمونيا (NH₃) وأكاسيد النيتروجين (NOx). تلخص الجدول 1 الظروف التجريبية، والتي تشمل نسب التكافؤ تتراوح من 0.01 إلى 1.3، ودرجات حرارة تتراوح بين 300 كلفن و1800 كلفن، ونسب مولية أولية من NH₃ تتراوح من 0.05% إلى 25%، مع عدم اليقين من 5% إلى 50%. تم استخدام إعدادات تجريبية متنوعة، مثل المفاعلات المقلوبة والمفاعلات الجارية. تم تصنيف البيانات إلى مجموعات بيانات للتحسين، والتحقق، وتقييم الآلية النهائية، مع كون NH₃ وNO الأنواع الشائعة عبر جميع مجموعات البيانات لضمان الاتساق.
تتكون المنهجية من ثلاث مراحل: التحسين، والتحقق، وتقييم الآلية النهائية. تركز مرحلة التحسين على التجارب الستويكيمترية (مجموعات البيانات 7، 10، 13، و15) لتحديد التفاعلات المؤثرة التي تعزز الأداء التنبؤي، مما يقلل من الانحراف المطلق المتوسط (AAD) للآلية المحسنة (AAD_OT). تقيم مرحلة التحقق أداء الآلية باستخدام مجموعات بيانات مستقلة (1-6، 8، 9، 11، 12، 14، و16) تحت ظروف ضعيفة وغنية، مع حساب AAD للتحقق (AAD_VT). يتم تحديد الآلية التي تحقق أقل AAD_OT وAAD_VT كأفضل آلية أداء، والتي يتم مقارنتها لاحقًا مع آليات أخرى تم تطويرها للبيانات التجريبية.
النتائج
تم تنظيم قسم النتائج والمناقشة في ورقة البحث إلى أربعة أجزاء رئيسية: تحديد التفاعلات المؤثرة، تقييم التحسين، التحقق من نتائج التحسين، وتقييم أداء الآلية المقترحة. في البداية، تحدد الدراسة التفاعلات التي تؤثر بشكل كبير على النظام خلال مرحلة ما قبل التحسين. بعد ذلك، يتم تحديد الآلية التي تظهر أقل انحراف مطلق متوسط لهدف التحسين (AAD OT) عبر جميع نطاقات التركيز، مع تحليل مفصل لمكوناتها—تركيزات منخفضة (AAD OL)، وتركيزات متوسطة (AAD OM)، وتركيزات عالية (AAD OH)—لتحديد القيود واقتراح حلول محتملة.
في الجزء الثالث، يتم تقييم أفضل آلية أداء تحت ظروف ستويكيمترية تحت ظروف ضعيفة وغنية، باستخدام الانحراف المطلق المتوسط لهدف التحقق (AAD VT)، والذي يشمل التركيزات المنخفضة (AAD VL)، والمتوسطة (AAD VM)، والعالية (AAD VH). يتم تعيين الآلية التي تتفوق باستمرار على الآخرين عبر مجموعات بيانات التحسين والتحقق كآلية مقترحة نهائية. أخيرًا، تتم مقارنة أداء الآلية المقترحة مع تلك التي تم تطويرها من البيانات التجريبية، مما يعزز من فعالية وقوة الآلية.
المناقشة
في هذا القسم، تناقش الدراسة جمع ومقارنة آليات احتراق الأمونيا التي تم التحقق منها تحت الضغط الجوي ودرجات حرارة أقل من 1800 كلفن. تم تحليل عشرة آليات، حيث تتكون معظمها من أكثر من 200 تفاعل، باستثناء آلية غوتاما، التي تحتوي على 165 تفاعل. حدد التحليل تفاعلات متطابقة وغير متطابقة وفريدة عبر الآليات، مما يكشف أن 30-40% من التفاعلات تشترك في نفس معلمات المعدل. تم تقييم تباين المعلمات الحركية باستخدام معامل التباين (CV_R)، مما يظهر اختلافات كبيرة في التفاعلات غير المتطابقة، حيث أظهر العديد منها تباينًا يزيد عن 20%. بالمقابل، أظهرت المعلمات الديناميكية الحرارية اتساقًا أفضل، حيث أظهرت بعض الأنواع فقط قيم CV_S تتجاوز 10%.
تم تقييم أداء هذه الآليات من خلال المحاكاة باستخدام ANSYS CHEMKIN-PRO، مع التركيز على الانحراف المطلق المتوسط (AAD) كمقياس. أدت آليات مثل بيرتولينو وزانغ أداءً جيدًا عند التركيزات المنخفضة، بينما تفوقت غلاربورغ وناكامورا عند التركيزات العالية. كانت عملية التحسين تهدف إلى تعزيز القدرات التنبؤية من خلال تعديل معلمات معدل التفاعل، مما أدى إلى تحسينات ملحوظة في آليات مثل تانغ، بيرتولينو، وغلاربورغ، مع تقليل قيم AAD بنسبة تصل إلى 30%. ومع ذلك، أظهرت بعض الآليات، مثل غوتاما وزانغ، تحسينات طفيفة. خلصت الدراسة إلى أن الاختلافات في المعلمات الحركية كانت المحرك الرئيسي لتباين الأداء التنبؤي بين الآليات، بينما كان للمعلمات الديناميكية الحرارية تأثير أقل.
DOI: https://doi.org/10.1016/j.fuel.2025.135571
Publication Date: 2025-05-06
Author(s): Amirreza Mottaghitalab et al.
Primary Topic: Advanced Combustion Engine Technologies
Overview
This research presents a novel mechanism for ammonia combustion at atmospheric pressure and temperatures below 1800 K, developed through an innovative optimization approach that retains the original structure of existing mechanisms. The study utilized ten different mechanisms as starting points, leading to significant reductions in prediction errors for nitrogen oxides (NO), ammonia (NH₃), and nitrous oxide (N₂O) across various conditions, including lean, stoichiometric, and rich mixtures. Key modifications were made to the reaction rate parameters of four specific reactions: \( \text{NH}_2 + \text{O} \rightarrow \text{H} + \text{HNO} \), \( \text{NH}_2 + \text{NO} \rightarrow \text{H}_2\text{O} + \text{N}_2 \), \( \text{NNH} + \text{O}_2 \rightarrow \text{HO}_2 + \text{N}_2 \), and \( \text{H} + \text{HNO} \rightarrow \text{H}_2 + \text{NO} \).
The findings indicate that not all mechanisms exhibit the same potential for enhancement; specific reactions were identified as critical bottlenecks for improvement. For instance, the reaction \( \text{NH}_2 + \text{NO} \rightarrow \text{N}_2 + \text{H}_2\text{O} \) limited performance gains in several mechanisms, while the \( \text{NH}_2 + \text{HO}_2 \rightarrow \text{NH}_3 + \text{O}_2 \) reaction restricted improvements in others. The optimized Li mechanism emerged as the most effective across a broad range of conditions, demonstrating that initial performance does not necessarily predict optimization potential. This mechanism’s enhancements were attributed to strategic adjustments in reaction rates, underscoring the importance of targeted optimization in combustion modeling.
Introduction
The introduction highlights the critical need for reducing greenhouse gas (GHG) emissions in light of the Paris Agreement, while simultaneously addressing the projected rise in global energy demand due to population growth and increasing GDP. Ammonia (NH₃) is identified as a promising carbon-free fuel that can be produced from renewable energy sources and combusted without direct CO₂ emissions. Its established infrastructure for production, transport, and storage positions it as a viable option for co-firing with coal in thermal power stations, particularly in regions like Asia where coal constitutes a significant portion of energy supply.
The section discusses various combustion mechanisms for ammonia, emphasizing the need for accurate predictions of species concentrations to mitigate potential emissions of nitrogen oxides (NOx) and unreacted ammonia. Previous studies have focused on ammonia combustion under specific conditions, often limited to low concentrations and temperatures below 1200 K. This research aims to develop a comprehensive mechanism for ammonia combustion in fluidized bed combustion (FBC) systems, operating at atmospheric pressure and temperatures below 1800 K, with ammonia concentrations ranging from 0.005 to 25 mol%. The study will evaluate existing mechanisms and optimize them using a novel brute force-based approach to enhance their predictive capabilities across a broader range of conditions.
Methods
The methods section outlines the experimental data collection and the workflow for optimizing and validating reaction mechanisms related to ammonia (NH₃) and nitrogen oxides (NOx). Table 1 summarizes the experimental conditions, which include equivalence ratios ranging from 0.01 to 1.3, temperatures between 300 K and 1800 K, and initial NH₃ mole percentages from 0.05% to 25%, with uncertainties of 5% to 50%. Various experimental setups, such as jet-stirred reactors and flow reactors, were employed. The data were categorized into optimization, validation, and final mechanism assessment datasets, with NH₃ and NO being the common species across all datasets to ensure consistency.
The methodology consists of three stages: optimization, validation, and evaluation of the final mechanism. The optimization stage focuses on stoichiometric experiments (datasets 7, 10, 13, and 15) to identify influential reactions that enhance predictive performance, thereby minimizing the Average Absolute Deviation (AAD) for the optimized mechanism (AAD_OT). The validation stage assesses the mechanism’s performance using independent datasets (1-6, 8, 9, 11, 12, 14, and 16) under lean and rich conditions, calculating the AAD for validation (AAD_VT). The mechanism that achieves the lowest AAD_OT and AAD_VT is identified as the best-performing mechanism, which is further compared against other mechanisms developed for the experimental data.
Results
The results and discussion section of the research paper is structured into four key parts: identification of influential reactions, optimization assessment, validation of optimization results, and performance assessment of the proposed mechanism. Initially, the study identifies reactions that significantly impact the system during the pre-optimization phase. Following this, the mechanism exhibiting the lowest Average Absolute Deviation for Optimization Target (AAD OT) across all concentration ranges is determined, with a detailed analysis of its components—low concentrations (AAD OL), intermediate concentrations (AAD OM), and high concentrations (AAD OH)—to identify limitations and propose potential solutions.
In the third part, the best-performing mechanism under stoichiometric conditions is evaluated under both lean and rich conditions, utilizing Average Absolute Deviation for Validation Target (AAD VT), which includes low (AAD VL), intermediate (AAD VM), and high concentrations (AAD VH). The mechanism that consistently outperforms others across both optimization and validation datasets is designated as the final proposed mechanism. Lastly, the proposed mechanism’s performance is compared with those developed from experimental data, further validating its efficacy and robustness.
Discussion
In this section, the study discusses the collection and comparison of ammonia combustion mechanisms validated under atmospheric pressure and temperatures below 1800 K. A total of ten mechanisms were analyzed, with most comprising over 200 reactions, except for the Gotama mechanism, which has 165 reactions. The analysis identified identical, non-identical, and unique reactions across mechanisms, revealing that 30-40% of reactions shared the same rate parameters. The variability in kinetic parameters was assessed using the coefficient of variation (CV_R), showing significant differences in non-identical reactions, with many exhibiting over 20% variability. In contrast, thermodynamic parameters demonstrated better consistency, with only a few species showing CV_S values exceeding 10%.
The performance of these mechanisms was evaluated through simulations using ANSYS CHEMKIN-PRO, focusing on average absolute deviation (AAD) as a metric. Mechanisms like Bertolino and Zhang performed well at low concentrations, while Glarborg and Nakamura excelled at high concentrations. The optimization procedure aimed to enhance predictive capabilities by adjusting reaction rate parameters, leading to notable improvements in mechanisms such as Tang, Bertolino, and Glarborg, with reductions in AAD values of up to 30%. However, some mechanisms, like Gotama and Zhang, showed minimal improvements. The study concluded that differences in kinetic parameters primarily drove the predictive performance variations among mechanisms, while thermodynamic parameters had a lesser impact.