Table of Contents

La dynamique des fluides informatiques (CFD) est devenue un outil indispensable pour les ingénieurs et les chercheurs qui cherchent à analyser, prédire et optimiser l'efficacité de la combustion dans un large éventail d'applications industrielles. Des installations de production d'électricité et des systèmes de propulsion aérospatiale aux fours industriels et aux moteurs à combustion interne, les simulations CFD fournissent des renseignements détaillés sur les processus physiques et chimiques complexes qui régissent le comportement de la combustion.

Comprendre les fondements de la DFC dans l'analyse de la combustion

La DFC fait référence aux modèles de combustion pour la dynamique des fluides, où la combustion est définie comme une réaction chimique dans laquelle un combustible réagit avec un oxydant pour former des produits, accompagné du rejet d'énergie sous forme de chaleur. La technologie est devenue partie intégrante de la conception et de l'analyse de diverses applications techniques, y compris les moteurs à combustion interne, les moteurs d'aéronefs, les moteurs à fusée, les fours et les combustibles de centrales électriques.

À son cœur, le CFD utilise des méthodes numériques pour discriminer et résoudre les équations fondamentales de conservation — masse, élan et énergie — ainsi que des équations de transport des espèces qui décrivent les transformations chimiques qui se produisent pendant la combustion.Ces simulations fournissent aux ingénieurs des visualisations détaillées et tridimensionnelles de la distribution de la température, des champs de vitesse, des concentrations d'espèces et des gradients de pression dans toute la chambre de combustion.

La complexité de la modélisation de la combustion découle de la multitude de phénomènes physiques qui doivent être capturés simultanément. Avec la complexité supplémentaire de la cinétique chimique et la réalisation d'un environnement de mélange de flux réactif, la physique de modélisation appropriée doit être intégrée lors de simulations dynamiques de combustion des fluides informatiques.

Le rôle de la modélisation de la turbulence dans la combustion CFD

La turbulence joue un rôle essentiel dans les processus de combustion, affectant les taux de mélange, la stabilisation de la flamme et l'efficacité globale de la combustion. Le choix d'un modèle de turbulence approprié est essentiel pour des prédictions précises de CFD. La simplicité du modèle k-ε permet de calculer des simulations à grande échelle, comme celles de l'analyse de performance de la turbine à gaz, sans compromettre les caractéristiques critiques du débit, comme l'intensité de turbulence, l'efficacité du mélange et la dynamique globale de combustion, et le modèle k-ε s'est avéré suffisant pour prédire le débit et le comportement thermique dans des études similaires de combustion.

Les modèles de navigation-Stokes (RANS) de Reynolds-A moyenne, tels que les modèles SST k-ε et k-γ, restent des choix populaires pour les simulations de combustion industrielle en raison de leur efficacité de calcul et de leur précision raisonnable pour de nombreuses applications. Le modèle K-ε de RANS RNG a été choisi comme modèle de turbulence le plus approprié pour la résolution donnée du maillage.

Pour les applications nécessitant une plus grande fidélité, les approches Grand Eddy Simulation (LES) et hybride RANS-LES offrent une meilleure précision en résolvant les structures turbulentes plus grandes tout en ne modélisant que les plus petites échelles. L'influence de l'intensité de tourbillonnage sur les caractéristiques de soufflage quasi-lune dans un combustible à tourbillons multistage utilisant un cadre hybride RANS-LES, avec le modèle Stress Blended Eddy Simulation (SBES), couplé à une formulation de combustion de la flamme produite par le Manifold (FMM), est utilisée pour saisir les principales interactions turbulences-chimie.

Approches de modélisation de combustion

Plusieurs stratégies de modélisation de la combustion existent dans les cadres de la DFC, chacune comportant des hypothèses précises et des fourchettes d'applicabilité. Le choix du modèle de combustion dépend du type de combustion (prémélangé, non prémélangé ou partiellement prémélangé), du niveau de détail requis et des ressources informatiques disponibles.

Le modèle de dissipation Eddy est utilisé lorsque le mélange turbulent des constituants doit être pris en considération, où l'échelle de temps k/ε turbulente est utilisée pour calculer la vitesse de réaction, et une comparaison entre les taux de dissipation turbulente du combustible, de l'oxydant et des produits est faite et le minimum parmi tous est pris comme la vitesse de réaction. Ce modèle suppose que les réactions chimiques se produisent beaucoup plus rapidement que le mélange turbulent, ce qui limite la vitesse de réaction par la vitesse à laquelle les réactifs sont mélangés au niveau moléculaire.

Un modèle de CFD axisymétrique, intégrant la modélisation de turbulences k–--SST, la combustion de Eddy Dissipation Concept (EDC) et les rayonnements ordinats discrets, a été validé contre la thermographie infrarouge et les mesures de la technologie d'analyse des procédés (PAT) obtenues dans des conditions opérationnelles réelles.

Pour les systèmes de combustion non prémélangés, l'approche de la fraction de mélange offre une efficacité de calcul en réduisant le nombre d'équations de transport à résoudre.Ce modèle ne prend en considération que la concentration finale des espèces et ne prend en compte que la nature globale du processus de combustion où la réaction se produit infiniment rapidement en une seule étape sans beaucoup de stress sur la cinétique détaillée en cause, où les réactifs sont supposés réagir en proportions stœchiométriques, et le modèle déduit également une relation linéaire entre les fractions de masse du combustible, de l'oxydant et de la fraction de mélange variable non dimensionnelle.

Calcul de l'efficacité de combustion : paramètres clés et métriques

L'efficacité de combustion est une mesure fondamentale des performances qui permet de quantifier l'efficacité d'un système de combustion à convertir l'énergie chimique dans le combustible en énergie thermique utile. L'efficacité de combustion est définie comme le rapport entre la combustion réelle d'un combustible et la combustion complète, calculé habituellement en comparant les concentrations de dioxyde de carbone et de monoxyde de carbone, et c'est une valeur unitaire exprimée en pourcentage, ce qui indique l'efficacité du processus de combustion dans la production d'énergie et la réduction de la pollution atmosphérique.

Combustion stœchiométrique et rapport air-carburant

Le calcul de l'efficacité de la combustion repose sur la compréhension de la combustion stœchiométrique, condition idéale où le combustible et l'oxydant sont présents dans les proportions exactes de la combustion complète. Le rapport air-carburant (AFR) est défini comme le rapport masse-masse de l'air par rapport à la masse de carburant présente pendant la combustion, exprimé en AFR = m air/m carburant, et il est une mesure cruciale pour optimiser l'efficacité de la combustion et réduire les émissions, avec un rapport stœchiométrique d'environ 14,7:1 pour l'essence.

Pour les brûleurs au gaz naturel, l'air stœchiométrique requis est de 9,4-11 pi3 / 1,0 pi3 de gaz naturel ou environ un rapport air-gaz d'environ 10:1. Cependant, fonctionner exactement dans des conditions stœchiométriques dans des applications réelles est peu pratique et potentiellement dangereux en raison des variations de la composition du carburant, mélange des imperfections et le risque de combustion incomplète.

Pour éviter les produits de combustion incomplète (PIC), en particulier le monoxyde de carbone (CO), on ajoute généralement de l'excès d'air, lorsque l'excès d'air ou de carburant pour un système de combustion est basé sur le rapport stoechiométrique air-carburant, le rapport de combustible précis et idéal dans lequel la proportion de mélange chimique est atteinte, et que les combustibles sont conçus pour réaliser une combustion « sur rapport », c'est-à-dire exiger une quantité connue d'excès d'air, souvent de 10 à 20 % au-dessus de la valeur stoechiométrique prévue.

Le meilleur rendement de combustion se produit au rapport air-carburant optimal, et le contrôle de ce rendement est le plus élevé, où un brûleur de combustible liquide et de gaz atteint cet équilibre souhaité dans la plupart des scénarios en fonctionnant à 105% à 120% de l'air théorique optimal.

Analyse des gaz de combustion et calculs d'efficacité

Les simulations CFD permettent une analyse détaillée de la composition des gaz de combustion, qui sert d'indicateur critique de l'efficacité de la combustion. Le dioxyde de carbone - CO2 - est un produit de combustion et la teneur en CO2 dans un gaz de combustion est une indication importante de l'efficacité de la combustion, où la teneur optimale en CO2 après combustion est d'environ 10 % pour le gaz naturel et d'environ 13 % pour les huiles légères.

L'efficacité de la combustion est fondée sur la valeur calorifique nette d'un combustible et est calculée en déduisant les pertes de gaz de combustion du maximum réalisable à 100 %. Les principales pertes dans les systèmes de combustion comprennent :

  • Perte de chaleur sensible dans les gaz de combustion (dépression de gaz secs)
  • Perte de chaleur latente due à la vapeur d'eau formée pendant la combustion
  • Perte de chaleur due à une combustion incomplète (présence de CO, hydrocarbures non brûlés)
  • Pertes de rayonnement et de convection des surfaces du combustible
  • Perte de chaleur dans les cendres et les laitier (pour les combustibles solides)

L'efficacité de combustion est une mesure de la façon dont le combustible brûlé est utilisé dans le processus de combustion, qui est différente du nombre d'efficacité produit sur l'analyseur, qui reflète la quantité totale de chaleur disponible du combustible moins les pertes des gaz qui montent sur la pile.

La température de la cheminée représente un paramètre particulièrement important dans les calculs d'efficacité. L'efficacité de la combustion diminue à mesure que la température nette de la cheminée augmente, où une température nette élevée de la cheminée indique qu'une moindre quantité de chaleur produite par la combustion a été transférée à l'eau, alors qu'une température nette faible indique que la chaleur a été transférée à l'eau.

Formation de polluants et prévision des émissions

Au-delà de l'efficacité thermique, les systèmes de combustion modernes doivent respecter des règlements d'émissions rigoureux. CFD fournit des capacités puissantes pour prédire la formation de polluants, en particulier les oxydes d'azote (NOx), le monoxyde de carbone (CO), les hydrocarbures non brûlés (UHC) et les particules.

Les systèmes de stockage des combustibles pourraient être extrêmement utiles, mais ils ont été sous-estimés ou ignorés par le passé. Les simulations CFD permettent d'analyser en détail comment les stratégies de mise en place des combustibles influent sur les rapports d'équivalence locaux, la distribution de la température et les temps de résidence, tous les facteurs critiques de la formation de NOx.

La conception du brûleur qui en a résulté a permis de réduire de 31 % les émissions de NOx tout en maintenant l'efficacité de la combustion et en améliorant la stabilité des flammes, ce qui démontre la puissance de l'optimisation guidée par CFD pour améliorer simultanément l'efficacité et la performance des émissions.

Les simulations CFD permettent une analyse détaillée de la façon dont les différents rapports de carburant influent sur l'efficacité de la combustion et les profils d'émissions. En modélisant la cinétique chimique détaillée des voies de formation des polluants, les ingénieurs peuvent évaluer les modifications de conception et les stratégies d'exploitation pour minimiser les émissions tout en maintenant une efficacité élevée.

Considérations de conception pour des systèmes de combustion efficaces

Les simulations CFD fournissent un laboratoire virtuel où les ingénieurs peuvent explorer des solutions de rechange et comprendre les relations complexes entre la géométrie, les conditions d'exploitation et les performances.

Optimisation de la géométrie des chambres de combustion

La géométrie de la chambre de combustion influence profondément les schémas de débit, les caractéristiques de mélange, la répartition du temps de résidence et les taux de transfert de chaleur.

La conception de l'entrée à double carburant permet une plus grande efficacité de combustion, une force de poussée plus élevée et des émissions plus faibles que la conception conventionnelle de l'entrée à un carburant unique.

On a étudié l'optimisation par couplage pour maximiser l'efficacité du mélange et de la combustion d'un combustible supersonique, où un combustible bidimensionnel a été envisagé avec l'injection parallèle d'hydrogène.

Les principaux paramètres géométriques qui influent sur les performances de combustion sont les suivants:

  • Longueur et diamètre de la chambre (délai de résidence)
  • Configurations d'entrée et de sortie
  • Emplacement et orientation de l'injecteur de carburant
  • Présence et conception des porte-flammes ou des bluffs
  • Angles et configurations de la palette pivotante
  • Ports d'injection d'air secondaire

Stratégies d'injection de carburant

La méthode et l'emplacement de l'injection de carburant affectent de façon critique la qualité du mélange, la stabilisation de la flamme et l'exhaustivité de la combustion.

La géométrie du port d'entrée joue un rôle crucial dans la régulation des processus de débit dans les cylindres, qui affecte de façon significative le rendement de combustion et les émissions des moteurs, où les effets d'une modification de la géométrie du port d'entrée, en particulier la mise en œuvre d'un nouveau déflecteur mobile pour intensifier le débit d'admission tangentielle, sur les schémas de débit des fluides, le stade de combustion et les émissions d'échappement dans un moteur à combustion interne à allumage par étincelles.

Pour les combustibles liquides, la distribution de la taille des gouttelettes, l'angle de pulvérisation, la profondeur de pénétration et les caractéristiques d'évaporation doivent être soigneusement contrôlées. Les modèles CFD intégrant le suivi des particules lagrangiennes peuvent simuler le comportement des gouttelettes et prédire comment la dynamique des gouttelettes affecte le mélange et la combustion.

Gestion du débit d'air et amélioration du mélange

Les simulations CFD révèlent comment les modèles de débit d'air influent sur la qualité du mélange et les performances de combustion.

Pour déterminer l'effet de turbulence dans les cylindres, on considère deux mécanismes primaires : le premier est le mouvement tourbillon, un mouvement radial de type vortex de l'air d'admission autour de l'axe central du cylindre, et le second est le mouvement tumble, caractérisé par un flux d'air rotatif orienté axialement le long de l'axe du cylindre.

La réduction de l'intensité de tourbillon empêche la formation d'une flamme stabilisée par tourbillon, tandis que le tourbillon excessif affecte négativement les performances d'émission. La CFD permet d'optimiser l'intensité de tourbillon pour équilibrer les objectifs concurrents de stabilité de la flamme, d'efficacité de combustion et d'émissions.

La stabilité de la combustion dans le four IDR est contrôlée par des régimes à effet de turbulence, caractérisés par des nombres de Damköhler inférieurs à un, où dans ces conditions, se produit un prémélange rapide, qui se traduit par une zone de réaction mince et des rapports d'équivalence spatialement uniformes, et le nombre de Damköhler a été estimé comme le rapport du temps de mélange turbulent caractéristique au temps de réaction chimique dérivé du taux de réaction de la structure fine de l'ECD.

Transfert de chaleur et gestion thermique

Le transfert efficace de chaleur des gaz de combustion aux surfaces échangeuses de chaleur ou aux fluides de travail est essentiel pour l'efficacité globale du système.

La température de la cheminée correspond à la température des gaz de combustion (vapeur sèche et vapeur d'eau) qui quittent l'appareil et reflète l'énergie qui n'a pas été transférée du combustible à l'échangeur de chaleur, où la température de la cheminée est plus faible, plus la conception de l'échangeur de chaleur ou le transfert de chaleur est efficace et plus l'efficacité du combustible à l'air, à l'eau et à la vapeur est élevée.

Les modèles CFD intégrant des modèles de rayonnement tels que la méthode des ordinats discrets ou l'approximation P1 peuvent prédire les flux de chaleur radiative et leur impact sur la distribution de la température et le transfert de la chaleur sur les surfaces.

Le mélange résiduel a fonctionné sous un régime contrôlé par turbulence (Da < 1), atteignant des températures internes maximales de 1199 °C et obtenant un rendement thermique de 84,6 % (sur la base du VHL), ce qui démontre comment le CFD peut prédire à la fois la distribution de température et l'efficacité thermique globale pour les mélanges de combustible complexes et les conditions de fonctionnement.

Techniques avancées de la FCD pour l'analyse de combustion

Intégration de l'apprentissage automatique avec le CFD

Les récentes avancées ont démontré la puissance de combiner l'apprentissage automatique et le CFD pour accélérer l'optimisation et permettre des prédictions en temps réel. Les simulations de la dynamique des fluides informatiques (CFD) combinées à la modélisation prédictive assistée par machine (ML), la géométrie du brûleur, le comportement de mélange carburant-air et la dynamique du transfert de chaleur ont été systématiquement optimisées, où un modèle basé sur la régression vectorielle de soutien a été formé sur les données générées par le CFD pour guider les modifications de conception et réduire la dépendance à l'expérimentation d'essai et d'erreur.

Combiner les modèles ML et les méthodes d'optimisation multi-objectifs offre un bon moyen de réduire le coût de calcul et d'améliorer l'efficacité d'optimisation. Les modèles de substitution d'apprentissage automatique peuvent être formés sur les résultats de simulation CFD pour fournir des prédictions rapides sur une large gamme de conditions d'exploitation et de paramètres de conception, permettant des études d'optimisation qui seraient calculables prohibitives en utilisant CFD seul.

Approches de modélisation multi-échelle

Les phénomènes de combustion couvrent plusieurs échelles de longueur et de temps, allant des réactions chimiques au niveau moléculaire aux structures d'écoulement à grande échelle. Les techniques de modélisation à plusieurs échelles, comme les modèles hybrides DNS-LES, permettent d'obtenir une marge d'erreur de 5 % dans les prévisions de vitesse de flamme, et le raffinage adaptatif des mésures (AMR) réduit les coûts de calcul de 50 %.

Les techniques de raffinement adaptatif du maillage augmentent automatiquement la résolution du réseau dans les régions à gradients abrupts (comme les fronts de flamme) tout en maintenant une résolution plus grossière ailleurs, optimisant l'équilibre entre précision et coût de calcul.

Validation et quantification de l'incertitude

Bien que le CFD offre de puissantes capacités prédictives, la validation des données expérimentales demeure essentielle pour établir la confiance dans les résultats de simulation. Le modèle numérique a été validé par rapport aux données expérimentales, montrant un excellent accord, les différences de pression maximale dans les cylindres et de taux de dégagement de chaleur (RHR) étant maintenues sous 3 % et le moment de pression maximale étant presque identiques aux résultats expérimentaux.

L'accord étroit entre les prévisions numériques et les mesures expérimentales valide le modèle CFD comme un outil de prévision et d'optimisation robuste pour le fonctionnement industriel des fours, où sa précision démontrée dans la représentation de la stabilité de la combustion, du comportement de transfert de chaleur et des tendances d'efficacité énergétique soutient son applicabilité aux stratégies d'analyse des procédés, d'optimisation et de substitution des combustibles dans les systèmes métallurgiques.

L'incertitude des paramètres du modèle et les données utilisées pour l'entrée dans un système de combustion rendent ses prévisions et ses résultats d'optimisation sensibles, où la quantification de l'incertitude (UQ) évalue comment les prévisions du modèle sont robustes et les paramètres cruciaux qui influent sur le comportement du système ont été isolés par l'analyse de sensibilité.

Applications pratiques et études de cas

Combusteurs à turbine à gaz

Les turbines à gaz sont des applications particulièrement difficiles en raison de la nécessité d'une efficacité élevée, de faibles émissions et d'un fonctionnement stable dans de nombreuses conditions de fonctionnement.Cette étude tente d'examiner l'optimisation d'une conception de chambre de combustion dans le monde réel dans différentes conditions de fonctionnement afin d'améliorer la performance et la durabilité globales des turbines à gaz.

La DFC permet d'évaluer les stratégies de combustion prémélangées maigres qui réduisent la formation de NOx en abaissant les températures de pointe de la flamme, tout en évaluant le risque d'instabilité de la combustion et de soufflement de flamme.

Fours et chaudières industriels

L'étude aborde une lacune clé en examinant, par une approche intégrée CFD-expérimentale, le comportement dynamique thermofluidique, la stabilité à la combustion et l'efficacité thermique d'un mélange huile-solvant résiduel utilisé dans un four métallurgique IDR dans des conditions réelles de fonctionnement, en utilisant la thermographie infrarouge à haute résolution, des mesures expérimentales détaillées, la modélisation CFD et une analyse énergétique complète.

Les simulations CFD peuvent évaluer l'impact des modifications des brûleurs, du changement de combustible, de l'enrichissement en oxygène et des stratégies de récupération de chaleur sur les performances des fours. La capacité de prévoir la distribution de la température aide à identifier les points chauds qui pourraient endommager les matériaux réfractaires et les points froids où une combustion incomplète pourrait se produire.

Moteurs à combustion interne

Le développement de moteurs à combustion interne repose de plus en plus sur la CFD pour optimiser la conception de chambres de combustion, les stratégies d'injection de carburant et la réduction des émissions. L'allumage à compression homogène (ICCH) permet d'atteindre des rendements thermiques jusqu'à 50 %, tandis que l'allumage à compression contrôlée (ICCR) réduit les émissions de NOx jusqu'à 90 % et améliore l'efficacité thermique des freins de 43 %, ce qui démontre un potentiel important de production d'électricité à faible émission.

Les simulations de la dynamique des fluides calculateurs (CFD) ont permis de perfectionner ces paramètres, où une étude a démontré l'utilisation de CFD pour modéliser les effets des différents rapports de carburant et des différents calendriers d'injection sur l'efficacité de la combustion et les émissions.

Systèmes avancés de propulsion

Les ramjets de combustion supersoniques (screamjets) et d'autres concepts avancés de propulsion présentent des défis extrêmes pour la modélisation de la combustion en raison de vitesses élevées, de temps de résidence courts et d'interactions complexes entre les chocs et les flammes. L'optimisation par gradients adjoints offre une alternative systématique en fournissant des informations de sensibilité qui relient directement le champ de flux à des mesures de performance comme le mélange et l'efficacité de combustion, bien qu'à la connaissance des auteurs, le potentiel de CFD par couplage pour optimiser les combustibles supersoniques reste non quantifié.

Facteurs clés d'optimisation de l'efficacité de combustion

Pour atteindre un rendement optimal de combustion, il faut équilibrer plusieurs objectifs et contraintes concurrents. Les simulations CFD permettent une exploration systématique de l'espace de conception pour identifier les points d'exploitation et les configurations de conception optimales.

Qualité du mélange air-carburant

La qualité et l'uniformité du mélange air-carburant déterminent fondamentalement le rendement de la combustion et les émissions. Le mauvais mélange conduit à des régions riches en combustibles (production de CO et d'hydrocarbures non brûlés) et à des régions riches en combustibles (réduction de l'intensité de combustion).

Les stratégies visant à améliorer le mélange sont les suivantes :

  • Optimisation de la conception et du placement des injecteurs de carburant
  • Introduction de tourbillons ou de tambours pour améliorer le mélange turbulent
  • Utilisation de points d'injection multiples pour la combustion par étapes
  • Conception de la géométrie du combustible pour promouvoir les zones de recirculation
  • Contrôler le moment et la durée de l'injection

Gestion de la distribution de température

La distribution de température dans la chambre de combustion affecte les vitesses de réaction, la formation de polluants, la durabilité des matériaux et l'efficacité du transfert de chaleur.

Les températures excessives de pointe accélèrent la formation de NOx par des mécanismes thermiques, tandis que les températures insuffisantes conduisent à une combustion incomplète et à la formation de CO. L'efficacité de la combustion dépend de l'utilisation de la quantité d'air nécessaire pour consommer le combustible, où, dans le chauffage par procédé alimenté au combustible, la plus grande source de perte d'énergie est la cheminée d'échappement, de sorte que la gestion du débit d'air est essentielle à l'efficacité de la combustion.

L'uniformité de température affecte également la qualité du produit dans les applications de chauffage industriel et la contrainte thermique dans les matériaux combustibles.

Optimisation du temps de résidence

Les simulations CFD peuvent prédire la répartition du temps de séjour et identifier les régions où les gaz peuvent court-circuiter à travers le combustible sans réaction complète.

Les facteurs qui influent sur le temps de résidence sont notamment les suivants :

  • Volume et géométrie du combustible
  • Vitesses de débit et débits massiques
  • Présence de zones de recirculation
  • Emplacements et stratégies d'injection de carburant

Pour les applications à grande vitesse comme les turbines à gaz et les ramjets, obtenir un temps de séjour suffisant tout en maintenant des dimensions compactes de combustion représente un défi important que CFD aide à relever.

Stratégies de réduction des émissions

Les systèmes de combustion modernes doivent produire de faibles émissions de NOx, de CO, d'hydrocarbures non brûlés, de particules et d'autres polluants tout en maintenant une efficacité élevée.

Combustion prémélangée de plomb:[ Le fait de fonctionner avec un excès d'air et un prémélange approfondi réduit les températures de pointe des flammes, en supprimant la formation thermique de NOx.

Combustion statique: Il faut modifier plusieurs paramètres de combustion, comme le rapport air-carburant, la géométrie du brûleur et les stratégies de mise en place du combustible. Le combustible ou la mise en place de l'air crée des zones primaires riches en carburant (suppresseurs de NOx) suivies de zones d'épuisement du combustible (combustion complète).

Recirculation des gaz d'échappement:[ Recirculation d'une partie des gaz d'échappement dilue les réactifs et réduit les températures de pointe. CFD prédit l'impact sur la stabilité et l'efficacité de la combustion.

Combustion catalytique:[ Pour les applications à émissions ultra faibles, la combustion catalytique peut être modélisée à l'aide de CFD avec des mécanismes de réaction de surface appropriés.

Considérations et pratiques exemplaires en matière de calcul

Génération et qualité des meshs

Le maillage calculateur distrete la géométrie de la chambre de combustion en petits volumes de contrôle où les équations gouvernantes sont résolues. La qualité Mesh affecte profondément la précision et la convergence de la solution.

Le modèle CAO obtenu est ensuite enroulé avec des éléments hexaédriques pour augmenter la densité dans les régions aux attributs géométriques complexes, où ce processus joue un rôle vital dans l'augmentation de l'efficacité de la simulation CFD en fournissant des résultats précis, et ce maillage est fixé à la pertinence fine, avec des taux d'inflation normaux, et a un taux de croissance de 1,1 pour atteindre une qualité élevée de la grille tout en résolvant le problème de dynamique des fluides.

Les meilleures pratiques de combustion du maillage CFD comprennent :

  • Raffinage des mailles dans les régions à pentes raides (avants enflammés, couches de cisaillement, près des murs)
  • Utiliser des mailles hexaédriques structurées dans la mesure du possible pour une meilleure précision et une meilleure convergence
  • Assurer une résolution adéquate du maillage pour capturer les échelles de longueur turbulente
  • Effectuer des études d'indépendance du maillage pour vérifier la précision de la solution
  • Utilisation du raffinement adaptatif du maillage pour des phénomènes transitoires complexes

Sélection et validation du modèle

Choisir des modèles appropriés pour les turbulences, la combustion, le rayonnement et d'autres phénomènes exige de comprendre la physique de l'application spécifique et les capacités et les limites des modèles disponibles.

La complexité des processus de combustion réels a été sous-représentée dans plusieurs recherches en raison de l'utilisation de simulations trop simplifiées, où des prévisions inexactes des émissions de NOx et des performances de combustion en raison de l'utilisation de ces modèles simplifiés peuvent rendre inutiles les techniques d'optimisation.

La validation par rapport aux mesures expérimentales permet d'établir la confiance dans les prévisions de la DFC et de déterminer les limites du modèle.

Ressources informatiques et efficacité

Les simulations de combustion CFD peuvent être intensives en calcul, particulièrement pour les simulations ERP transitoires avec chimie détaillée.

  • Utilisation des modèles RANS pour l'exploration initiale de conception, réservation ERP pour l'optimisation finale
  • Utilisation de mécanismes chimiques réduits qui capturent les espèces essentielles tout en réduisant le nombre d'équations
  • Tirer parti de l'informatique parallèle et des ressources informatiques à haute performance
  • Utilisation de modèles de substitution pour l'exploration rapide des espaces de conception
  • Appliquer des conditions de limite de symétrie, le cas échéant, pour réduire la taille du domaine

La résolution du maillage a été choisie en fonction des pratiques établies dans la littérature sur les CFD en flux réactif, qui démontrent que des maillages suffisamment raffinés peuvent saisir des caractéristiques de combustion moyennes clés avec une sensibilité limitée à des améliorations plus poussées, où des études antérieures ont montré que, pour les ERP des flux réactifs dans des combustibles complexes, des quantités telles que la température moyenne, les taux de réaction et les champs de vitesse sont relativement insensibles à la taille du maillage, et que le maillage utilisé dans les simulations actuelles a été largement utilisé dans des études similaires sur les flux réactifs et a été démontré pour reproduire avec précision les caractéristiques principales du flux et de la combustion.

Tendances futures et technologies émergentes

Intelligence artificielle et modélisation d'origine de données

L'intégration de l'intelligence artificielle et de l'apprentissage machine avec le CFD représente un domaine en croissance rapide. Les progrès récents de l'apprentissage machine démontrent un potentiel de transformation grâce au développement de substituts ML pour étudier la combustion turbulente de carburants de substitution, qui s'harmonise avec des examens plus larges du ML et l'optimisation dans les systèmes énergétiques de nouvelle génération, renforçant la puissance de la synergie ML-CFD pour des défis multi-objectifs tels que l'efficacité et les émissions.

Les réseaux neuronaux peuvent apprendre des relations complexes entre les paramètres de conception et les mesures de performance à partir de données CFD, permettant l'optimisation et le contrôle en temps réel.

Carburants de remplacement et combustibles durables

La transition vers des sources d'énergie durables nécessite des systèmes de combustion capables de brûler efficacement l'hydrogène, l'ammoniac, les biocarburants et d'autres combustibles de remplacement.

La combustion d'hydrogène, par exemple, présente des vitesses de flamme beaucoup plus élevées et des limites d'inflammabilité plus larges que les combustibles d'hydrocarbures, exigeant différentes conceptions de combustion pour prévenir le retour en arrière et maintenir la stabilité.

Jumelles numériques et optimisation en temps réel

La technologie numérique à double génération combine les modèles CFD avec des données de capteurs en temps réel pour créer des répliques virtuelles de systèmes de combustion physique. Ces jumeaux numériques permettent de surveiller l'état, de prévoir l'entretien et d'optimiser en temps réel les paramètres de fonctionnement pour maintenir l'efficacité maximale à mesure que l'équipement vieillit ou que les conditions de fonctionnement changent.

Les modèles d'apprentissage automatique formés sur les données CFD peuvent fournir les prédictions rapides nécessaires pour le contrôle en temps réel, tandis que les simulations CFD périodiques à haute fidélité mettent à jour et peaufinent les modèles au fur et à mesure que le système évolue.

Concepts avancés de combustion

La combustion par gain de pression (GPC) permet d'améliorer l'efficacité thermodynamique avec des rapports de pression atteignant 2,0, tandis que la combustion par apport de plasma (PAC) réduit le délai d'allumage de 35 %, ce qui permet un fonctionnement stable dans des conditions de maigre.

D'autres concepts émergents comprennent la combustion sans flamme (combustion MILD), l'oxydation de l'eau supercritique et la combustion de boucles chimiques.

Lignes directrices pour la mise en oeuvre à l'intention des ingénieurs

Pour les ingénieurs qui cherchent à appliquer le CFD à la prédiction et à l'optimisation de l'efficacité de la combustion, une approche systématique donne les meilleurs résultats :

Définir des objectifs clairs

Établissez des mesures et des contraintes de rendement spécifiques dès le départ. Vous êtes principalement préoccupé par la maximisation de l'efficacité thermique, la réduction des émissions de NOx, la stabilité de la flamme ou l'atteinte d'un équilibre entre plusieurs objectifs?

Démarrer simple et ajouter la complexité

Commencer par des modèles et des géométries simplifiés pour développer la compréhension et établir des performances de base. Ajouter progressivement la complexité — chimie détaillée, effets transitoires, radiation, phénomènes multiphasés — au besoin pour saisir la physique essentielle.

Valider contre les données expérimentales

Dans la mesure du possible, valider les prévisions de la DFC par rapport aux mesures expérimentales. Même des données de validation limitées (comme les températures et les émissions des gaz d'échappement) permettent d'établir la crédibilité du modèle.

Études paramétriques de levier

Utilisez CFD pour effectuer des études paramétriques sur la façon dont les paramètres de conception et les conditions d'exploitation influent sur le rendement.Ces études révèlent des sensibilités et des compromis qui guident l'optimisation.

Hypothèses et limites des documents

Documenter soigneusement toutes les hypothèses de modélisation, les conditions limites et les limites connues.Cette documentation assure une interprétation appropriée des résultats et facilite le raffinement futur du modèle. Comprendre ce que le modèle ne saisit pas est aussi important que comprendre ce qu'il capture.

Conclusion

En fournissant des renseignements détaillés sur les phénomènes complexes et couplés qui régissent les processus de combustion, le CFD permet aux ingénieurs d'évaluer les solutions de rechange, de prévoir les mesures de rendement et de déterminer les possibilités d'optimisation avec précision et précision sans précédent.

Les calculs et les considérations de conception dont il est question dans cet article, de l'optimisation fondamentale du rapport air-carburant à l'intégration avancée de l'apprentissage des machines, démontrent l'étendue et la profondeur des capacités de combustion du CFD. À mesure que la puissance de calcul continue d'augmenter et que les techniques de modélisation progressent, le CFD jouera un rôle de plus en plus central dans le développement des systèmes de combustion à haut rendement et à faible émission nécessaires à la production d'énergie durable.

La réussite avec la combustion La DFC exige non seulement une expertise technique en méthodes numériques et en physique de la combustion, mais aussi une attention particulière à la validation, à la quantification de l'incertitude et à la sélection appropriée des modèles.

Pour ceux qui cherchent à approfondir leur compréhension des applications de la combustion des FCD, de nombreuses ressources sont disponibles.MDPI Fluids journal[ publie régulièrement des recherches sur les progrès de la modélisation de la combustion.Combustion and Flame journal[ offre une couverture approfondie des sciences et des technologies de combustion.

À mesure que le paysage énergétique évoluera vers des technologies plus propres et plus efficaces, le rôle du CFD dans le développement des systèmes de combustion ne fera que croître en importance. Les ingénieurs dotés de ces puissantes capacités de simulation seront bien placés pour contribuer à la prochaine génération de technologies de combustion qui équilibrent l'efficacité, les émissions et la durabilité.