人们正在观看的能源，点击右上角加上"关注"。
燃烧过程的组成因反应区域而异，因此在整个模拟过程中无需使用相同的化学反应机理。动态自适应机理简化算法可以实时简化反应区的详细机理到精确的子机理，从而通过简单地耦合适合各反应局部位置反应区域的大多数组和反应数的简化机理来实现计算加速。目前，存在一种具有简化耦合动态自适应机理的气液燃料燃烧数值模拟，基于动态自适应反应的煤粉燃烧数值模拟很少报道。
为了提高煤粉无火焰燃烧的仿真精度和计算效率，研究煤粉无火焰燃烧燃料的氮素转化机理，华中科技大学李鹏飞副教授首先介绍了动态自适应机理简化算法的原理，然后耦合了自主开发的含氮骨架机理，并采用了动态自适应机理 简化算法，进行煤粉无焰燃烧燃料氮素转化限速仿真，仿真结果系统验证后，对煤粉无焰燃烧氮转化动态分析进行。
总结
无火焰燃烧是近年来备受关注的新型高效清洁燃烧技术之一，具有体积式低反应速率燃烧面积和典型中低温燃烧的特点，有必要结合详细的反应机理，考虑湍流与化学反应的相互作用，以提高无火焰燃烧和ITS产生的数值模拟精度。基于动态自适应反应机理，对煤粉无火焰燃烧和NO生成特性进行了高保真数值模拟。仿真过程利用动态自适应机理对算法进行简化，从而实时简化了含氮骨架机构的独立开发。评价发现，在不牺牲计算精度的情况下，动态自适应反应可以达到计算加速度的3倍左右，炉内NO生成的预测精度明显优于传统的NO后处理模拟方法。在实验和验证模拟结果的基础上，得到了HCN、NH3等典型含氮前驱体的炉分布，并进一步分析了煤粉无火焰燃烧燃料的氮转化路径、活性组分和活性反应等氮转化的关键信息。结果表明，煤粉无焰燃烧NO的生产主要依赖于NH3、HCN和N2O中间体，而NCO和HNO是关键的中间体组分。HCN中间体主要通过HNCO / CN和NCO路径产生NO。NH3中间体由HNCO产生并进一步转化为NH2和HNO，产生NO。N2O路径主要参与NO恢复，对NO生成的贡献较小。CH3CN也是产生NO的重要中间组件，可以通过NCO路径产生。
1 基于动态自适应反应的数值模拟方法
图1 ISAT-DAC计算过程
图2 IfRF炉几何形状
本文中，ifRF煤粉无焰燃烧试验采用高速直喷一、二风射流，高动量射流具有很强的射流扩散和吸力作用，在整个燃烧区域引起烟气大范围循环，反应混合物被再循环烟气稀释并加热到自燃点以上，实现无火焰燃烧。
由于试验炉是对称的，因此仅为燃烧炉的1/4进行模拟，以节省模拟消耗。使用三维六角形结构网格，通过对网格的独立分析，所选网格的总数约为600，000。
该计算采用详细的含氮反应机理，并将燃烧氧化过程与氮素转化过程相结合，模拟煤粉无焰NOx产生的燃烧。本文对多种广泛使用的含氮详细反应机理进行了评估、开发和简化，发现PG2018的机理在氮转化模拟精度方面优于其他含氮详细机理。在保证仿真精度的条件下，仅包含35个组分和259个步骤反应的骨架反应机理是基于PG2018机理的开发和简化。在数值模拟中，采用高精度骨架反应机理，结合DAC算法实现计算加速，可应用于煤粉无焰燃烧仿真。
数值模拟基于Fluent平台。湍流模型采用标准k-ε模型，将模型系数C1从1.44校正为1.60，提高圆管射流的预测精度。化学渗透消散部件（CPD）模型用于模拟挥发性分析。利用离散坐标法（DO）求解辐射传递方程，引入灰度气体加权和（WSGG）气体辐射模型，WSGG模型中总发射速率的空间变化是气体成分和温度的函数。利用涡流耗散概念模型（EDC）耦合PG2018含氮骨架机理（35组分和259步反应）由作者团队自主开发，模拟相位燃烧和燃料氮素转化，是利用ISAT算法，结合DAC算法实现计算加速。速度-压力耦合使用SIMPLE算法，方程离散使用高阶QUICK格式。
与传统的半经验后处理方法近似模拟燃料型NOx生成不同，本文考虑了有限和焦炭燃料氮转化机理（即PG2018含氮骨架机理）来模拟耦合燃烧氧化反应和燃料氮转化的有限速率。煤粉的挥发性成分使用CCPD模型计算，并被视为ch4，H2，CO2，CO，NO和HCN。挥发性氮被认为是以HCN的形式释放的，焦炭氮以NO的形式释放的。焦炭燃尽模型采用动态/扩散控制模型，假设焦炭表面反应速率受动态或扩散速率的影响，燃烧过程中粒径保持不变，密度随密度变化。
2 仿真结果和讨论
<h3>2.1 基于动态自适应反应的煤粉无焰燃烧模拟与试验验证</h3>
通过将ISAT-DAC耦合算法的仿真结果与实验数据进行对比，验证ISAT-DAC算法在煤粉无焰燃烧数值模拟中的准确性和适用性。该模拟和测试基于轴向速度，炉温，O2浓度，CO2浓度，CO浓度和NO浓度以及烟气排放数据。
一般来说，速度和温度场的仿真结果与测试结果吻合良好。速度模拟偏差主要在0zx/d=1.2）处发现，轴向速度应保持在初始射流速度（约65 m/s）下，因此测试测量值明显较低。O2、CO2和CO组分浓度的预测结果与试验值吻合良好。
图3 炉内轴向速度和温度的预测结果与测试数据进行比较
图4 炉内O2、CO2、CO浓度的预测结果与试验数据对比
基于ISAT-DAC算法的动态自适应反应NO模拟结果，与传统后处理模拟和实验数据对比表明，基于后处理方法的THE预测结果精度不高，在第3段和z≈0.3 m高处生成NO模拟，第4段的NO预测结果为NO， 5、6、0z和基于含氮骨架机理的ISAT-DAC算法更符合试验值，可以更好地预测炉内各段的NO生成。基于含氮骨架机理耦合ISAT-DAC算法的NO预测结果比后处理模拟更准确，可以从三个方面来解释：（1）与传统的全包反应机理相比，骨架反应机理可用于煤粉燃料燃烧过程，对温度和组分分布场的描述更准确， （2）含氮反应机理经过详细验证，精度较高，后处理模拟方法仅基于半经验模型，精度有限;与传统的基于快速化学反应的EDM涡流耗散燃烧模型相比，该模拟采用EDC涡流耗散概念燃烧模型，可以考虑湍流和反应相互作用过程的有限速率反应模拟，对无焰燃烧的有限速率反应得到了更好的预测结果。因此，与后处理方案相比，ISAT-DAC算法可以提高入火NO仿真的精度。
图5 炉内NO浓度的预测结果与试验数据比较
最后，比较炉膛烟气出口的试验数据和预测结果，排放温度、烟气CO2、O2、CO和NO预测结果和试验值的相对误差在5%以内。
结合以上结果，该模拟炉中各监测面和炉出口的预测结果与试验数据吻合良好，采用PG2018骨架机构和耦合的ISAT-DAC算法适用于煤粉无焰燃烧模拟，与传统的NO后处理模拟方法相比，燃料氮转化的模拟精度有所提高。
<h3>2.2 煤粉无火焰燃烧燃料氮素转化分析</h3>
在经过测试验证的模拟结果基础上，进一步分析了煤粉无焰燃烧燃料的氮转化机理。温度与燃料氮素转化过程密切相关，无火煤粉的燃烧过程在炉内具有更均匀的温度分布。进一步观察表明，炉子位于两个主要反应区，一个是由于燃料喷射下游并与氧气混合而形成的反应，另一个位于煤粉喷嘴处并通过高温产生烟气回流。
图6 炉内温度分布
详细的含氮（骨架）机理模拟方法可以准确预测炉内无分布，基于含氮骨架机理ISAT-DAC模拟和总包机机构后处理模拟的NO分布云图显示：高浓度NO分布在粉末管周围高温区，尽管炉下游有高温区， 但是NO和碳氢化合物燃料之间的强还原反应使NO浓度降低。高浓度NO分布在粉管出口位置，炉内下游NO浓度估计值低，且实际NO分布偏倚，不适合进行准确的定量分析。
图7 炉内无分布
基于含氮骨架机理ISAT-DAC算法的有限速率仿真，可以得到机理中所含典型含氮中间组分在煤粉无火焰燃烧过程中的分布。该炉具有较高的HCN含量，较少的HCN转化为NH3，低NH3含量和仅约15×10-6的峰值，以及较低的N2O产生。HCN和NH3主要分布在粉体管的出口处，两者均来自煤粉的变形挥发点，N2O分布在高温区周围并参与NO的产生和还原。
图8 炉内HCN、NH3和N2O中间组分的分布
基于含氮骨架机理ISAT-DAC算法的有限速率仿真，不仅可以预测不同含氮组分的产生和炉内分布，还可以分析煤粉无火焰燃烧过程中的燃料氮素转化路径。煤粉无焰燃烧燃料的氮素转化路径表明，热NO产生受到显著抑制，燃料NO生成主要依赖于HCN、NH3和N2O中间体，NCO和HNO是比较关键的中间体组分。HCN中间体主要通过HNCO/CN和NCO路径产生NO，NH3中间体由HNCO产生并进一步转化为NH2，HNO，最后NO，N2O路径主要参与NO恢复，对NO产生的贡献较小。反应路径分析表明，CH3CN也是产生NO的重要中间组分，可以通过NCO路径产生。
图9 煤粉无火焰燃烧燃料的氮素转化路径
由于动态自适应机理简化（DAC）与局部自适应形态构建方法（ISAT）在仿真过程中耦合以实现计算加速，简化的动态自适应机理后可以获得炉内活性组分分布的云图。IsaAT-DAC简化法，可以准确识别炉内模拟过程中的主要反应区域，简化后的主反应区域最多保留32个组分，其他区域组得分为0（无反应面积），从而节省了计算成本。主反应区位于粉体管的下游，煤粉从粉体管中排出后遇到高温二次风，发生燃烧反应，主反应区对应高温区。炉体上方的活性成分主要是由高温烟雾的回流引起的。
图10 炉内活性成分分布
动态自适应机理简化在去除对目标组分贡献较小的其余组分时，还去除了含有目标组分的相关反应，从而获得炉内活性反应分布的云图。活性反应较强的区域对应于活性组分较多的区域，主反应区保留多达240步反应，弱反应区依次减至80步反应，烟气区域反应次数为0（即未发生反应）。
图11 炉内活性反应的分布
统计计算时间发现，与基于骨架反应机理（35组分和259步反应）耦合ISAT算法的燃烧模拟相比，仿真可以进一步结合DAC算法获得约3倍的计算加速度。由于骨架反应机理（35组分和259步反应）与原PG2018详细反应机理（151组分和1，397步反应）相比，可以获得约18.6倍的加速效果。也就是说，骨架反应机理耦合ISAT-DAC算法可以实现比原PG2018详细反应机理近55倍的计算加速度，而不会牺牲计算精度。
3 结论
1）基于IFRF 0.58 MW燃烧炉，对煤粉无火焰燃烧的含氮骨架机理进行有限速率模拟，考虑燃烧过程中的湍流-化学-氮转化反应相互作用，进一步耦合动态自适应反应机理简化方法，实现计算加速。对炉膛监测面和炉出口的温度、转速、O2浓度、CO2浓度和NO浓度预测结果与试验数据匹配良好，验证了PG2018骨架机构和ISAT-DAC算法在煤粉无焰燃烧模拟中的准确性和适用性。与骨架机理仿真相比，耦合DAC算法可以实现近3倍的计算加速度，使用详细的反应机理可以实现近55倍的加速度效果。
2）煤粉无焰燃烧燃料氮转化特性及含氮关键中间体组分研究表明，NO的产生主要依靠HCN、NH3和N2O中间体，NCO和HNO是关键的中间体组分。HCN中间体主要通过HNCO/CN和NCO路径产生NO，NH3中间体由HNCO产生并进一步转化为NH2，HNO，最后NO，N2O路径主要参与NO恢复，对NO产生的贡献较小。反应路径分析还表明，CH3CN也是产生NO的重要中间组分，可以通过NCO路径产生。
3）基于煤粉无焰燃烧燃料氮素转化模拟实验结果，首次得到炉内含氮氮迁移中含氮关键中间组分（HCN和NH3）的分布以及活性组分和活性反应的分布，可为NO减排技术的发展提供参考， 如根据炉内温度和组分分布，提高炉内NO再燃和选择性非催化还原（SNCR）的效果。
参考格式
刘伟， 李鹏飞， 程鹏飞等基于动态自适应反应的无火燃烧燃料氮素转化机理研究.洁净煤技术， 2021， 27（4）： 123-131.
刘璐，李鹏飞，程鹏飞，等.基于动态自适应化学的煤粉无焰燃烧燃料氮转化机理研究[J].洁净煤技术，2021，27（4）：123-131.
免责声明：以上内容转载自洁净煤技术，发布的内容不代表平台的立场。
国家能源信息平台联系电话：010-65367702，邮箱：[email protected]，地址：北京市朝阳区金台西路2号人民日报