Spelling suggestions: "subject:"deduced chemistry"" "subject:"educed chemistry""
1 |
An automated approach to derive and optimise reduced chemical mechanisms for turbulent combustion / Une approche automatisée pour la réduction et l'optimisation de schémas cinétiques appliqués à la combustion turbulenteJaouen, Nicolas 21 March 2017 (has links)
La complexité de la chimie joue un rôle majeur dans la simulation numérique de la plupart des écoulements réactifs industriels. L'utilisation de schémas cinétiques chimiques détaillés avec les outils de simulation actuels reste toutefois trop coûteuse du fait des faibles pas de temps et d'espaces associés à la résolution d'une flamme, bien souvent inférieurs de plusieurs ordres de grandeur à ceux nécessaires pour capturer les effets de la turbulence. Une solution est proposée pour s'affranchir de cette limite. Un outil automatisé de réduction de schémas cinétiques est développé sur la base d'un ensemble de trajectoires de références construites dans l'espace des compositions pour être représentatives du système à simuler. Ces trajectoires sont calculées à partir de l'évolution de particules stochastiques soumises à différentes conditions de mélange, de réaction et d'évaporation dans le cas de combustible liquide. L'ensemble est couplé à un algorithme génétique pour l'optimisation des taux de réaction du schéma réduit, permettant ainsi une forte réduction du coût calcul. L'approche a été validée et utilisée pour la réduction de divers mécanismes réactionnels sur des applications académiques et industrielles, pour des hydrocarbures simples comme le méthane jusqu'à des hydrocarbures plus complexes, comme le kérosène en incluant une étape optimisée de regroupement des isomères. / Complex chemistry is an essential ingredient in advanced numerical simulation of combustion systems. However, introducing detailed chemistry in Computational Fluid Dynamics (CFD) softwares is a non trivial task since the time and space resolutions necessary to capture and solve for a flame are very often smaller than the turbulent characteristic scales by several orders of magnitude. A solution based on the reduction of chemical mechanisms is proposed to tackle this issue. An automated reduction and optimisation strategy is suggested relying on the construction of reference trajectories computed with the evolution of stochastic particles that face mixing, evaporation and chemical reactions. The methodology, which offers strong reduction in CPU cost, is applied to the derivation of several mechanisms for canonical and industrial applications, for simple fuel such as methane up to more complex hydrocarbon fuels, as kerosene, including an optimised lumping procedure for isomers.
|
2 |
Prediction of pollutants in gas turbines using large eddy simulation / Prédiction des polluants dans les turbines à gaz par simulation aux grandes échellesJaravel, Thomas 28 April 2016 (has links)
Les réglementations en termes d'émission de polluants qui s'appliquent aux chambres de combustion de nouvelle génération nécessitent de nouvelles approches de conception. Afin d'atteindre simultanément des objectifs de faibles émissions d'oxydes d'azote (NOx) et de monoxyde de carbone (CO), un processus d'optimisation complexe est nécessaire au développement de nouveaux concepts de moteur. La simulation aux grandes échelles (SGE) a déjà fait ses preuves pour la prédiction de la combustion turbulente. C'est aussi un outil prometteur pour mieux comprendre la formation des polluants dans les turbines à gaz, ainsi que pour en fournir une prédiction quantitative. Dans ces travaux, une nouvelle méthodologie pour la prédiction du NOx et du CO dans des configurations réalistes est développée. La méthode est basée sur une description du système chimique par des schémas réduits fidèles dits analytiques (ARC) combinés au modèle de flamme épaissie (TFLES). En particulier, un ARC ayant des capacités de prédiction précise du CO et du NO est développé, validé sur des cas laminaires canoniques et implémenté dans le solveur SGE. Le potentiel de l'approche est démontré par une simulation haute résolution de la flamme académique turbulente Sandia D, pour laquelle une excellente prédiction du CO et du NO est obtenue. La méthodologie est ensuite appliquée à deux configurations industrielles. La configuration SGT-100 est un brûleur commercial partiellement prémélangé de turbine à gaz terrestre pour la production d'énergie, étudié expérimentalement au DLR. La SGE de cette configuration permet de mettre en évidence les processus chimiques de formation des polluants et fournit une compréhension qualitative et quantitative de l'effet des conditions de fonctionnement. La seconde application correspond à un prototype monosecteur de système d'injection aéronautique multipoint à très faibles émissions de NOx développé dans le cadre du projet européen LEMCOTEC et étudié expérimentalement à l'ONERA. Un ARC représentant la cinétique chimique d'un carburant aéronautique modèle est dérivé et employé dans la SGE de la chambre de combustion avec un formalisme eulérien pour décrire la phase dispersée. Les résultats obtenus montrent l'excellente capacité de prédiction de l'ARC en termes de propriétés de flamme et de prédiction des polluants. / Stringent regulations of pollutant emissions now apply to newgeneration combustion devices. To achieve low nitrogen oxides (NOx) and carbon monoxide (CO) emissions simultaneously, a complex optimization process is required in the development of new concepts for engines. Already efficient for the prediction of turbulent combustion, Large Eddy Simulation (LES) is also a promising tool to better understand the processes of pollutant formation in gas turbine conditions and to provide their quantitative prediction at the design stage. In this work, a new methodology for the prediction with LES of NOx and CO in realistic industrial configurations is developed. It is based on a new strategy for the description of chemistry, using Analytically Reduced Chemistry (ARC) combined with the Thickened Flame model (TFLES). An ARC with accurate CO and NO prediction is derived, validated on canonical laminar flames and implemented in the LES solver. The accuracy of this approach is demonstrated with a highly resolved simulation of the academic turbulent Sandia D flame, for which excellent prediction of NO and CO is obtained. The methodology is then applied to two industrial configurations. The first one is the SGT-100, a lean partially-premixed gas turbine model combustor studied experimentally at DLR. LES of this configuration highlights the chemical processes of pollutant formation and provides qualitative and quantitative understanding of the impact of the operating conditions. The second target configuration corresponds to a mono-sector prototype of an ultra-low NOx, staged multipoint injection aeronautical combustor developed in the framework of the LEMCOTEC European project and studied experimentally at ONERA. An ARC for the combustion of a representative jet fuel surrogate is derived and used in the LES of the combustor with an Eulerian formalism to describe the liquid dispersed phase. Results show the excellent performances of the ARC, for both the flame characteristics and the prediction of pollutants.
|
3 |
Development of Analytically Reduced Chemistries (ARC) and applications in Large Eddy Simulations (LES) of turbulent combustion / Développement de Chimies Analytiquement Réduites (CAR) et applications à la Simulation aux Grandes Échelles (SGE) de la combustion turbulenteFelden, Anne 30 June 2017 (has links)
L'impact environnemental du trafic aérien fait maintenant l'objet d'une réglementation qui tend à se sévériser. Dans ce contexte, les industriels misent sur l'amélioration des technologies afin de réduire la consommation de carburant et l'émission de polluants. Ces phénomènes dépendent en grande partie des chemins réactionnels sous-jacents, qui peuvent s'avérer très complexes. La Simulation aux Grandes Échelles (SGE) est un outil intéressant afin d'étudier ces phénomènes pour un coût de calcul qui reste raisonnable. Cependant, les processus chimiques, s'ils sont considérés sans simplification, font intervenir des centaines d'espèces aux temps caractéristiques très différents au sein de processus non-linéaires qui induisent une forte raideur dans le système d'équations, et un coût de calcul prohibitif. Permettant de s'absoudre de ces problèmes tout en conservant une bonne capacité de prédiction des polluants, les Chimies Analytiquement Réduites (CAR) font l'objet d'une attention grandissante au sein de la communauté. Les CAR permettent de conserver la physique du problème considéré, en conservant les espèces et voies réactionnelles les plus importantes. Grâce à l'évolution toujours croissante des moyens de calculs, les CAR sont appliqués dans des configurations de plus en plus complexes. Les travaux de thèse ont principalement portés sur deux sujets. Premièrement, une étude poussée des techniques et outils permettant une réduction efficace et systématique de chimies détaillées. L'outil de réduction multiétapes YARC est retenu et exhaustivement employé dans la dérivation et la validation d'une série de CAR préservant la description de la structure de flamme. Ensuite, une investigation de la faisabilité et des bénéfices qu'apportent l'utilisation de CAR en LES, comparé a des approches plus classiques, sur des cas tests de complexité croissante. La première configuration étudiée est une chambre de combustion partiellement pré-mélangée brûlant de l'éthylène, étudiée expérimentalement au DLR. Différentes modélisations de la chimie sont considérées, dont un CAR développé spécifiquement pour ce cas test, et les résultats démontrent qu'une prise en compte des interactions flamme-écoulement est cruciale pour une prédiction juste de la structure de la flamme et des niveaux de suies. La seconde configuration est un brûleur diphasique, avec une injection directe pauvre, brûlant du Jet-A2. Dans cette étude, une approche novatrice pour la prise en compte de la complexité du fuel réel (HyChem) est considérée, permettant la dérivation d’un CAR. Les résultats sont excellents et valident la méthodologie tout en fournissant une analyse précieuse des interactions flamme-spray et de la formation de polluants (NOx) dans des flammes à la structure complexe. / Recent implementation of emission control regulations has resulted in a considerable demand from industry to improve the efficiency while minimizing the consumption and pollutant emissions of the next generation of aero-engine combustors. Those phenomena are shown to strongly depend upon the underlying complex chemical pathways and their interaction with turbulence. Large Eddy Simulation (LES) is an attractive tool to address those issues with high accuracy at a reasonable computing cost. However, the computation of accurate combustion chemistry remains a challenge. Indeed, combustion proceeds through complex and highly non-linear processes that involve up to hundreds of different chemical compounds, which significantly increases the computational time and often induces stiffness in the resolved equations. As a mean to circumvent these drawbacks while retaining the necessary kinetics for the prediction of pollutants, Analytically Reduced Chemistry (ARC) has recently received high interest in the Computational Fluid Dynamics (CFD) community. ARC is a strategy for the description of combustion chemistry where only the most important species and reactions are retained, in a "physically-oriented way". ARC is on the verge of becoming affordable at a design stage, thanks to the continuously increasing available computational resources. The goal of the present work is twofold. A first objective is to test and validate efficient techniques and tools by which detailed chemistries are reduced to an LES-compliant format. To do so, the multi-step reduction tool YARC is selected and employed to derive and validate a series of ARC specifically designed to retrieve correct flame structures. A second objective is to investigate the overall feasibility and benefits of using ARC, combined to the Thickened Flame model (DTFLES), in performing LES of configurations of increasing complexity. The first configuration is a sooting swirl-stabilized non-premixed aero-engine combustor experimentally studied at DLR, burning ethylene. LES of this configuration is performed with the AVBP solver, in which ARC has been implemented. By comparison with global chemistry and tabulated chemistry, results highlight the importance of accurately capturing the flow-flame interactions for a good prediction of pollutants and soot. The second configuration is a swirled twophase flow burner featuring a lean direct injection system and burning Jet-A2. A novel methodology to real fuel modeling (HyChem approach) is employed, which allows subsequent ARC derivation. The excellent results in comparison with measurements constitute an additional validation of the methodology, and provide valuable qualitative and quantitative insights on the flame-spray interactions and on the pollutant formation (NOx) mechanisms in complex flame configurations.
|
4 |
Modeling diesel combustion in heavy duty engine using detailed chemistry approach and CFDDuyar, Serkan January 2014 (has links)
Emission and fuel consumption are among the key parameters when designing a combustion system. Combustion CFD can assist in this task only if good enough accuracy is achieved regarding combustion and emission predictions. The aim of this master thesis is to evaluate the use of detailed reaction mechanisms (as a substitute for standard combustion model) in terms of computational time and result accuracy. Several mechanisms for n-heptane are tested. Lund University optical engine experimental case is used for this evaluation.Results showed that detailed chemistry can predict ignition accurately but differences are observed in the peak cylinder pressure. The computational time also increased significantly as size and complexity of the mechanism increased. Recommendations are given to improve predictions using detailed chemistry approach which is found to be an interesting approach especially for lift-off length predictions.
|
Page generated in 0.0803 seconds