DOI: https://doi.org/10.1021/acs.energyfuels.4c02457
تاريخ النشر: 2024-08-27
المؤلف: Randall C. Boehm وآخرون
الموضوع الرئيسي: تكنولوجيا محركات الاحتراق المتقدمة
نظرة عامة
تسلط المراجعة الضوء على التركيز المتزايد على وقود الطيران المستدام (SAFs) كجزء من المبادرات العالمية لإزالة الكربون. تفحص الطرق الاحتمالية الحالية لتوقع خصائص الوقود الضرورية لتطوير SAFs من الجيل التالي، مع التركيز على معايير ضمان الجودة الصارمة المطلوبة للوقود غير القائم على النفط. يحلل المؤلفون فعالية قواعد الخلط بناءً على بيانات المكونات وطرق النمذجة الأخرى، مشيرين إلى أن 16 منتجًا عدديًا يمكن أن تقدر 31 خاصية، بما في ذلك منحنى التقطير الكامل. تشير النتائج إلى أن عدم اليقين التنبؤي الناتج عن قواعد الخلط يكون عمومًا ضئيلًا مقارنةً بعدم اليقين الناتج عن عدم اكتمال توصيف بيانات المكونات.
تتناول المراجعة أيضًا تقدير خصائص الوقود المختلفة، مشددة على أن ست خصائص أساسية يمكن توقعها بدقة عالية باستخدام قواعد خلط المنتجات العددية، بينما تظهر خصائص أخرى عدم يقين صغير. يمكن تقدير الخصائص المتأثرة بشكل كبير بالقوى الجزيئية، مثل اللزوجة الحركية والموصلية الحرارية، بشكل فعال، مع الحفاظ على عدم اليقين التنبؤي أقل من 4% لخلائط الهيدروكربونات الأليفاتية والعطرية. بالإضافة إلى ذلك، يمكن توقع نقطة التجمد بدقة من تركيزات المكونات، على الرغم من أن غياب بيانات المرجع قد يؤدي إلى أخطاء كبيرة. يتم أيضًا مناقشة الرقم السيتاني المستمد، مما يكشف أنه بينما يمكن تقديره بواسطة قواعد الخلط، قد تؤدي بعض الخلائط إلى أخطاء في التنبؤ تتجاوز 20%. بشكل عام، تؤكد المراجعة على إمكانيات النماذج الجبرية البسيطة في تقدير مجموعة واسعة من خصائص الوقود الحيوية لتطوير SAF.
مقدمة
تسعى صناعة الطيران بنشاط إلى تقنيات دفع بديلة منخفضة الكربون ووقود الطيران المستدام (SAF) لتحقيق إزالة الكربون، مدفوعة بالمبادرات الحكومية ومنظمة الطيران المدني الدولي (ICAO). تهدف تحديات SAF الكبرى في الولايات المتحدة إلى إنتاج 35 مليار جالون من SAF سنويًا بحلول عام 2050، مع هدف مؤقت يبلغ 3 مليارات جالون بحلول عام 2030، مما يمثل حوالي 10% من استهلاك وقود الطائرات المحلي. تشير البيانات الأخيرة إلى زيادة كبيرة في إنتاج SAF، حيث تم إنتاج 26 مليون جالون في عام 2023 و27 مليون جالون في النصف الأول من عام 2024. تشير التوقعات إلى أن قدرة إنتاج SAF المحلية قد تتجاوز 2 مليار جالون سنويًا بحلول عام 2028، مما يبرز التزام الصناعة بالوفاء بالأهداف الصارمة لإزالة الكربون على الرغم من التحديات التي تطرحها المعايير الفنية الصارمة.
تطوير مسارات SAF جديدة هو عملية معقدة ومكلفة، وغالبًا ما يتطلب حوالي 100 مليون دولار لإنتاج كميات كافية للتأهل بموجب ASTM D4054، وهي عملية قد تستغرق عدة سنوات وقد تؤدي إلى صعوبات مالية للشركات. تتطلب المواصفات الصارمة لوقود توربينات الطائرات، كما هو موضح في ASTM D1655، دمج الكربون المتجدد بعناية من خلال المعالجة المشتركة أو الخلط مع مكونات SAF المعتمدة. تضمن عملية التقييم أن تلبي الوقود معايير السلامة والأداء، مع وجود 11 عملية تحويل معتمدة حاليًا للخلط مع وقود الطائرات التقليدي. مع انتقال الصناعة نحو نسب خلط SAF أعلى، تعتبر النماذج التنبؤية المستندة إلى الفيزياء الأساسية ضرورية لإدارة المخاطر وضمان الامتثال للمواصفات. يمكن أن تساعد هذه النماذج المطورين في تحسين خصائص الوقود وتقليل التكاليف طوال دورة تطوير المنتج، بينما تقدم أيضًا تجميعًا جديدًا لدقة قواعد الخلط لخصائص الوقود المختلفة.
مناقشة
في قسم المناقشة من الورقة، يؤكد المؤلفون على الدور الحاسم لأهداف خصائص الوقود في توجيه مطوري الوقود في اختيار التركيبات المناسبة، والمواد الخام، وعمليات التحويل. تسلط الآثار المالية لهذه الخيارات الضوء على ضرورة النمذجة الدقيقة لخصائص الوقود بناءً على بيانات التركيب. ومع ذلك، يشير المؤلفون إلى وجود فجوات كبيرة في توفر بيانات التركيب وقيم الخصائص، مما يعقد استخدام النماذج التي تتطلب مدخلات تفصيلية تتجاوز بيانات التركيب الأساسية. لمعالجة هذه التحديات، يتم اقتراح طرق مثل أخذ عينات مونت كارلو وتعلم الآلة لتعزيز التفسير الاحتمالي لتوقعات خصائص الوقود.
تصنف الورقة أساليب النمذجة إلى ثلاثة أنواع متميزة: (1) نماذج تعالج الوقود ككيان واحد، تستخدم بشكل أساسي تقنيات تعلم الآلة أو الانحدار؛ (2) نماذج ترى الوقود كمزيج يتطلب قواعد خلط دقيقة وبيانات شاملة؛ و(3) نماذج هجينة تتعلم قواعد الخلط بشكل مستقل من كل من الوقود والمكونات الفردية. يركز المؤلفون على الفئة الثانية، التي تتطلب قواعد خلط دقيقة وبيانات عن جميع المكونات. يناقشون قيود نماذج الانحدار، لا سيما اعتمادها على القياسات الفيزيائية وعدم قدرتها على توقع بعض الخصائص بشكل فعال. تهدف المراجعة إلى توثيق عدم اليقين المرتبط بقواعد الخلط وقابليتها للتطبيق على خصائص وقود الطائرات، مشددة على أن عدم اليقين في نماذج الخلط غالبًا ما يطغى عليه عدم اليقين في قيم المدخلات. يقترح المؤلفون أنه بينما يمكن أن تسهل قواعد الخلط تحسينات معقدة، فإن دقة التنبؤات تظل مرتبطة بجودة بيانات المدخلات.
DOI: https://doi.org/10.1021/acs.energyfuels.4c02457
Publication Date: 2024-08-27
Author(s): Randall C. Boehm et al.
Primary Topic: Advanced Combustion Engine Technologies
Overview
The review highlights the increasing emphasis on sustainable aviation fuels (SAFs) as part of global decarbonization initiatives. It examines current probabilistic methods for predicting fuel properties essential for developing next-generation SAFs, focusing on the rigorous quality assurance standards required for non-petroleum-based fuels. The authors analyze the effectiveness of blending rules based on component data and other modeling approaches, noting that 16 scalar products can estimate 31 properties, including the entire distillation curve. The findings indicate that the predictive uncertainty from blending rules is generally minor compared to uncertainties from incomplete characterization of component data.
The review also details the estimation of various fuel properties, emphasizing that six base properties can be predicted with high accuracy using scalar product blending rules, while others exhibit small uncertainties. Properties significantly influenced by intermolecular forces, such as kinematic viscosity and thermal conductivity, can still be approximated effectively, maintaining prediction uncertainties below 4% for mixtures of aliphatic and aromatic hydrocarbons. Additionally, the freeze point can be accurately predicted from component concentrations, although the absence of reference data may lead to significant errors. The derived cetane number is also discussed, revealing that while it can be approximated by blending rules, certain mixtures may yield prediction errors exceeding 20%. Overall, the review underscores the potential of simple algebraic models in estimating a wide range of fuel properties critical for SAF development.
Introduction
The aviation industry is actively seeking alternative low-carbon propulsion technologies and sustainable aviation fuel (SAF) to achieve decarbonization, driven by governmental initiatives and the International Civil Aviation Organization (ICAO). The U.S. SAF Grand Challenge aims for an annual production of 35 billion gallons of SAF by 2050, with an interim goal of 3 billion gallons by 2030, representing about 10% of domestic jet fuel consumption. Recent data indicates a significant increase in SAF production, with 26 million gallons produced in 2023 and 27 million gallons in the first half of 2024. Projections suggest that domestic SAF production capacity could exceed 2 billion gallons annually by 2028, highlighting the industry’s commitment to meeting stringent decarbonization targets despite the challenges posed by rigorous technical standards.
Developing new SAF pathways is complex and costly, often requiring around $100 million to produce sufficient volumes for qualification under ASTM D4054, a process that can take several years and may lead to financial difficulties for companies. The stringent specifications for aviation turbine fuels, as outlined in ASTM D1655, necessitate careful incorporation of renewable carbon through coprocessing or blending with approved SAF components. The evaluation process ensures that fuels meet safety and performance standards, with 11 conversion processes currently approved for blending with conventional jet fuel. As the industry moves towards higher SAF blend fractions, predictive models based on fundamental physics are essential for managing risks and ensuring compliance with specifications. These models can help developers optimize fuel properties and reduce costs throughout the development lifecycle, while also providing a novel compilation of blending rule accuracy for various fuel properties.
Discussion
In the discussion section of the paper, the authors emphasize the critical role of fuel property targets in guiding fuel developers in selecting appropriate compositions, feedstocks, and conversion processes. The financial implications of these choices highlight the necessity for accurate modeling of fuel properties based on compositional data. However, the authors note significant gaps in the availability of component composition and property values, which complicates the use of models that require detailed input beyond basic compositional data. To address these challenges, methods such as Monte Carlo sampling and machine learning are suggested to enhance the probabilistic interpretation of fuel property predictions.
The paper categorizes modeling approaches into three distinct types: (1) models treating fuel as a singular entity, primarily using machine learning or regression techniques; (2) models viewing fuel as a mixture requiring precise blending rules and comprehensive data; and (3) hybrid models that learn blending rules autonomously from both fuels and individual components. The authors focus on the second category, which necessitates accurate blending rules and data on all constituents. They discuss the limitations of regression models, particularly their reliance on physical measurements and their inability to predict certain properties effectively. The review aims to document the uncertainties associated with blending rules and their applicability to jet fuel properties, emphasizing that uncertainties in blending models are often overshadowed by uncertainties in input values. The authors propose that while blending rules can facilitate complex optimizations, the accuracy of predictions remains contingent on the quality of the input data.