سوخت و احتراق

سوخت و احتراق

مدلسازی سینتیک و تحلیل مسیر احتراق مخلوط‌های استاندارد گاز طبیعی LNG با تمرکز بر داده های اشتعال خودکار و بر مبنای محتوی متان

نوع مقاله : مقاله پژوهشی

نویسندگان
1 گروه مهندسی مکانیک، دانشکده فنی کاسپین، دانشکدگان فنی، دانشگاه تهران،
2 گروه مهندسی مکانیک-تبدیل انرژی، دانشکده فنی کاسپین، دانشکدگان فنی، دانشگاه تهران
10.22034/jfnc.2026.582296.1459
چکیده
مخلوط‌های مختلف LNG عمدتاً شامل متان و مقادیری از سایر آلکان‌ها هستند، که با وجود تشابهات، پدیده‌های احتراقی متفاوتی را بروز می دهند. در این مطالعه تأثیر ترکیب LNG بر زمان تأخیر اشتعال و احتمال بروز کوبش بررسی شده است. بدین منظور، یک مدل سینتیکی با ابعاد C0-C4 بر مبنای مدل انتشار یافته اخیر متانول توسط نویسنده و همکاران در دانشگاه صنعتی مونیخ TUM، با افزودن مدل های زیرمجموعه C2-C4 به آن توسعه یافته است. سپس 11 مخلوط استاندارد LNG در شرایط مختلف آزمایشگاهی و در نسبت های هم‌ارزی ϕ=0.4, 1.2 مورد شبیه‌سازی و مطالعه قرار گرفته اند. نتایج بدست‌آمده حاکی از همخوانی مطلوب با داده‌های آزمایشگاهی، برای شرایط دماهایی بالا و میانیT≥1000 K است. این نتایج با عملکرد دو مدل جامع دیگر نیز مقایسه شده است، که مدل توسعه یافته در این پژوهش پیش‌بینی موفق‌تری را فراهم می کند. در پایان نیز مسیر تشکیل فرآورده های احتراق، بر مبنای تحلیل نرخ تشکیل گونه‌ها ROPAD مورد بررسی قرار گرفته و دو رژیم متفاوت در بازه‌های دما بالا و دما پائین برای احتراق هریک از اجزای سوخت شناسایی شده است. در دماهای بالا، همه اجزای سوخت تحت تجزیه مستقیم به گونه‌ها و رادیکال‌های کوچک، و سپس ترکیب با اکسیژن قرار دارند. در دماهای پائین، در مورد متان مطابق تشکیل C2H6 از رادیکال متیل CH3 بسیار پر رنگ است، و سپس فرآیند هیدروژن زدایی مرحله‌ای (آبشاری) سازوکار موثر در ادامه مسیر احتراق است. این موضوع در مورد اجزای بزگتر سوخت نیز به جای ترکیب مستقیم با اکسیژن صدق می‌کند.

تازه های تحقیق

مخلوط‌های مختلف LNG عمدتاً شامل متان و مقادیری از سایر آلکان‌ها هستند، که با وجود تشابهات، پدیده‌های احتراقی متفاوتی را بروز می‌دهند. در این مطالعه تأثیر ترکیب LNG بر زمان تأخیر اشتعال و احتمال بروز کوبش بررسی شده است. بدین منظور، یک مدل سینتیکی با ابعاد C0-C4 بر مبنای مدل انتشار یافته اخیر متانول توسط نویسنده و همکاران در دانشگاه صنعتی مونیخ TUM، با افزودن مدل‌های زیرمجموعه C2-C4 به آن توسعه یافته است. سپس 11 مخلوط استاندارد LNG در شرایط مختلف آزمایشگاهی و در نسبت‌های هم‌ارزی ϕ=0.4, 1.2 مورد شبیه‌سازی و مطالعه قرار گرفته‌اند. نتایج بدست‌آمده حاکی از همخوانی مطلوب با داده‌های آزمایشگاهی، برای شرایط دماهایی بالا و میانیT≥1000 K است. این نتایج با عملکرد دو مدل جامع دیگر نیز مقایسه شده است، که مدل توسعه یافته در این پژوهش پیش‌بینی موفق‌تری را فراهم می‌کند. در پایان نیز مسیر تشکیل فرآورده‌های احتراق، برمبنای تحلیل نرخ تشکیل گونه‌ها ROPAD مورد بررسی قرار گرفته و دو رژیم متفاوت در بازه‌های دما بالا و دما پائین برای احتراق هر یک از اجزای سوخت شناسایی شده است. در دماهای بالا، همه اجزای سوخت تحت تجزیه مستقیم به گونه‌ها و رادیکال‌های کوچک، و سپس ترکیب با اکسیژن قرار دارند. در دماهای پائین، در مورد متان مطابق تشکیل C2H6 از رادیکال متیل CH3 بسیار پر رنگ است، و سپس فرآیند هیدروژن زدایی مرحله‌ای (آبشاری) سازوکار موثر در ادامه مسیر احتراق است. این موضوع در مورد اجزای بزگتر سوخت نیز به جای ترکیب مستقیم با اکسیژن صدق می‌کند.

کلیدواژه‌ها
موضوعات

عنوان مقاله English

Kinetic Modeling and Route Analysis of Standard LNG Mixtures Combustion, based on Auto-ignition and Methane Content

نویسندگان English

Mehdi Abbasi 1
Mohammad Mehdi Mahmoudi Rad 2
1 Department of Mechnical Engineering, Caspian Faculty of Engineering, College of Engineering, University of Tehran
2 Department of Mechanical Engineering-Energy Conversion, Caspian Faculty of Engineering, College of Engineering, University of Tehran
چکیده English

Various LNG mixtures primarily consist of methane and smaller amounts of other alkanes, which, despite their similarities, can exhibit different combustion phenomena. This study investigates the effect of LNG composition on ignition delay time and the likelihood of knocking. To this end, a C0-C4 kinetic model was developed based on a recently published methanol model, with the addition of C2-C4 sub-models. Eleven standard LNG mixtures were then simulated and studied under various experimental conditions at equivalence ratios of ϕ = 0.4 and 1.2. The results show good agreement with experimental data for high and intermediate temperatures (T ≥ 1000 K). The model outputs were also compared with the performance of two other well-established detailed models; the model developed in this study provides more successful predictions. Finally, the formation pathway of combustion products was investigated using rate of production analysis. As demonstrated, two distinct regimes—high-temperature and low-temperature—are identified for the combustion of each fuel component. At high temperatures, all fuel components undergo direct decomposition into small species and radicals, followed by combination with oxygen. At low temperatures, for methane, the formation of C2H6 from the methyl radical (CH3) is very significant, and the cascade hydrogen abstraction process is an effective mechanism in the continuation of the combustion pathway. This also applies to larger fuel components, rather than direct combination with oxygen.

کلیدواژه‌ها English

Liquefied Natural Gas
Autoignition
Combustion Kinetic Modeling

پیشرفت‌های فنی در فناوری مایع‌سازی گاز طی دهه‌های اخیر، تحولی بنیادین در زنجیره تأمین و تجارت جهانی گاز طبیعی ایجاد کرده است. این پیشرفت‌ها با بهبود فرآیندهای سردسازی چندمرحله‌ای، فشرده‌سازی، و جداسازی اجزای سبک و سنگین گاز طبیعی، امکان تبدیل گاز طبیعی (NG) به حالت مایع در دماهای بسیار پایین حدود 162- درجه سانتی‌گراد را فراهم کرده‌اند. این فرآیند که منجر به تولید گاز طبیعی مایع (LNG) می‌شود، نه‌تنها چگالی انرژی گاز طبیعی را (به واسطه‌ی فشرده‌سازی و تغییر فاز) تا حدود 600 برابر افزایش می‌دهد، بلکه امکان ذخیره‌سازی و انتقال ایمن و اقتصادی آن در مقیاس بین‌قاره‌ای را از طریق زیرساخت‌های حمل‌ونقل دریایی، نظیر کشتی‌های تانکری ویژه، فراهم ساخته است. در نتیجه، LNG امروزه به‌عنوان یکی از ارکان اصلی بازار جهانی انرژی مطرح شده و نقش مهمی در تنوع‌بخشی منابع انرژی، امنیت تأمین سوخت، و کاهش وابستگی به خطوط لوله سنتی ایفا می‌کند [1].

گاز طبیعی مایع در بسیاری از سیستم‌های تبدیل انرژی مبتنی بر فرآیند احتراق، از جمله موتورهای هوایی و شناورهای دریایی نیز به عنوان سوخت کاربرد پیدا کرده است. استفاده از انواع ترکیب‌های محتوی گاز طبیعی، از جمله ترکیب‌های حاصل از فرآیند مایع‌سازی گاز طبیعی (مخلوط‌های LNG) در موتورهای احتراق داخلی مزایایی را به همراه دارد؛ از مهم‌ترین این مزایا کارکرد بهتر موتور و تمایل پایین‌تر آن به بروز پدیده کوبش[1] نسبت به سایر سوخت‌های متعارف است. به عبارتی دیگر عدد معادل اکتان این سوخت‌ها غالباً بیشتر از انواع سوخت‌های مایع مانند بنزین ارزیابی می‌شود. به علاوه اینکه کاربرد LNG در موتورهای احتراق داخلی می‌تواند طول محفظه احتراق، و در نتیجه حجم آن را کاهش دهد. از منظر زیست‌محیطی نیز انتشار CO2 و CO در مقایسه با سایر سوخت‌های متعارف سنگین تر، نظیر گازوئیل و مازوت به شکل قابل ملاحظه‌ای کاهش مییابد. همچنین، چگالی انرژی بالا در حدود MJ/kg  55-50، پایداری حرارتی بهتر و هزینه کمتر، این سوخت را به عنوان جایگزینی مناسب برای استفاده در موتورهای احتراق داخلی تبدیل نموده‌است. دو عامل مهم در انتخاب سوخت مناسب، انرژی ویژه سوخت و چگالی سوخت هستند. عامل اول نشان‌دهنده میزان انرژی قابل استخراج از هر کیلوگرم سوخت است و عامل دوم، انرژی سوخت را در واحد حجم مشخص می‌کند. بهطور کلی، سوختی که در واحد جرم و حجم کمتر، دارای ارزش سوختی بالاتری باشد، مطلوب‌تر است. این موضوع به ویژه در کاربردهایی مانند خودروها، لکوموتیوها و کشتی‌ها اهمیت دارد و تأثیر زیادی بر انتخاب سوخت دارد جدول1 مقادیر این دو عامل را برای انواع سوخت‌های متداول مورد استفاده در خودروها نشان می‌دهد. نکته حائز اهمیتی که باید در نظر گرفته شود این است که استفاده از LNG به عنوان سوخت مناسب برای خودروهایی که به مدت طولانی متوقف می‌شوند (مانند خودروهای سواری و ناوگان حمل و نقل درون شهری) توصیه نمی‌شود، زیرا توقف‌های طولانی می‌تواند منجر به تبخیر تدریجی سوخت شود. با توجه به این موضوع، استفاده از این سوخت در وسایلی که در شهر تردد دارند و توقفات مکرر دارند، باعث ایجاد تردید برای استفاده از این سوخت می‌شود [2]. به همین علت استفاده از گاز طبیعی مایع در خودروهای سنگین به عنوان سوخت جایگزین توصیه شده است.

همان‌طور که مشاهده می‌شود، ارزش حرارتی LNG، CNG و LPG به خوبی و در حد سوخت‌های بنزین و دیزل است، اما چگالی انرژی این سوخت‌ها در CNG بهطور قابل توجهی پایین‌تر از بنزین و دیزل است و در LNG و LPG حدود 60 درصد بنزین و دیزل می‌باشد. یکی از مشکلات موجود در زمینه خودروهای گازسوز، به ویژه خودروهای سنگین، تفاوت قابل توجه بین محتوای انرژی یک گالن گاز طبیعی (به خصوص CNG) و یک گالن دیزل است که منجر به تفاوت در میزان مسافت قابل پیمایش خودروهایی که از این سوخت‌ها استفاده می‌کنند، می‌شود.

علاوه بر چگالی انرژی و انرژی ویژه سوخت، میزان انتشار آلاینده‌ها و تمیزی سوخت نیز امروزه به عنوان عوامل تأثیرگذار در انتخاب سوخت بسیار مورد توجه قرار گرفته است. میزان انتشار آلاینده‌های موتورهای LNG سوز حتی کمتر از الزامات سختگیرانه استانداردهای EURO-VI می‌باشد. در حالی که خودروهای سنگین دیزلی به سختی قادر به رعایت الزامات استاندارد EURO-VI هستند. از سوی دیگر، میزان انتشار کلی هیدروکربن‌هایی مانند بنزن[2]، بوتادین[3]، فرمالدهید[4] و استالدهید[5] از خودروهای LNG سوز کمتر از خودروهای دیزلی است. این موضوع منجر به بهبود کیفیت هوا می‌شود و بهطور بالقوه هزینه‌های درمان بیماری‌های ناشی از آلودگی را کاهش می‌دهد. از [6]نقطه نظر ایمنی، ویژگی‌های خاص گاز طبیعی مایع باعث شده تا میزان ایمنی آن نسبت به سایر سوخت‌های رایج قابل توجه باشد. ترکیب‌های رایج LNG غیرسمی و غیرخورنده بوده و در صورت نشت به سرعت تبخیر می‌شود، بنابراین به آلودگی خاک و منابع آبی (مهم برای سیستم‌های حمل و نقل و ترابری دریایی) منجر نمی‌شود.

ترکیبات مختلف گاز طبیعی متشکل از انواع هیدروکربن‌های سبک که دارای یک تا پنج اتم کربن و گازهای دیگر مانند نیتروژن است. ترکیب گازهای تشکیل دهنده تاحدی بستگی به منبع استخراجی و فرآیند فرآوری که برروی آن انجام می‌شود، دارد. ترکیب گاز طبیعی مایع LNG با متان و یا حتی خود گاز طبیعی (NG) که با خط لوله منتقل می‌شود متفاوت می‌باشد که علت آن تفاوت در درصد هیدروکربن‌های تشکیل‌دهنده و سایر افزودنی‌های گازی آن است. معمولاً این هیدروکربن‌ها شامل C3-C5 هستند که به منظور جلوگیری از تشکیل فاز جامد و انسداد لوله‌های مبدل‌ها باید از ترکیب گاز طبیعی کاسته شوند. همچنین، بسته به روش مایع‌سازی و فناوری مورد استفاده، بعضاً نیتروژن نیز جهت کنترل بهتر فرآیند مایع‌سازی به ترکیب گازی اضافه می‌شود. با وجود استفاده گسترده از گاز طبیعی مایع، ویژگی‌های احتراقی آن هنوز کمتر شناخته‌شده است. به علت تفاوت در مبدأ تولید و همچنین روش‌ها و تعداد مراحل فشرده‌سازی گاز طبیعی، گاز طبیعی مایع دارای مخلوط‌هایی با درصدهای متفاوت از هیدروکربن‌های تشکیل‌دهنده است.

 

جدول1‑ مقایسه انرژی ویژه سوخت و چگالی سوخت انواع سوخت‌های متداول[3]

Table1- Comparison of specific energy and energy density of various common fuel [3]

Specific Energy

MJ/kg

Energy Density

MJ/L

Fuel

46.08

34.2

Gasoline

45.36

38.16

Diesel

50

8.28

CNG @ 200 bar

50

21.2

LNG

46

24.57

LPG

 

نکته لازم به ذکر اینکه وجود تفاوت‌های حتی اندک در اجزای تشکیل‌دهنده می‌تواند باعث بروز تغییرات زیادی در رفتار احتراقی و بروز پدیده‌های متفاوت در حین فرآیند سوختن شود که در نتیجه عملکرد سیستم احتراقی را تحت تاثیر قرار می‌دهد. کیفیت مخلوط‌های LNG از نظر ارزش حرارتی، ویژگی‌های فیزیکی و شیمیایی و رفتار احتراقی به‌شدت به ترکیب گاز طبیعی پیش از فرآیند مایع‌سازی بستگی دارد. ترکیب‌های مختلف LNG عمدتاً شامل متان (79-99%) هستند و مقادیر کمی از آلکان‌های C2 تا C5 و حتی نیتروژن را نیز در بر می‌گیرند [1, 4] . با وجود درصد بالای متان و سهم اندک هیدروکربن‌های سنگین‌تر (C2–C5)، رفتار کلی احتراق این مخلوط‌ها می‌تواند تفاوت قابل‌توجهی با متان خالص یا حتی کسری(CNG)[7] داشته باشد. به عبارت دیگر، تأثیر واقعی اجزای C2–C5 بر رفتار احتراقی کلی LNG ممکن است بیش از سهم مولی آن‌ها در ترکیب باشد.

بنابراین، در سیستم‌های احتراقی واقعی مانند موتورهای احتراق داخلی، ممکن است رفتار LNG از نظر بازده حرارتی، سطح آلایندگی و مقاومت در برابر کوبش با CH4 یا CNG متفاوت باشد. ویژگی مقاومت در برابر کوبش از اهمیت ویژه‌ای برخوردار است، زیرا علاوه بر اثرات زیست‌محیطی، مستقیماً بر سلامت موتور و راندمان کلی آن تأثیر می‌گذارد.

بر اساس استانداردها، ویژگی کوبش در ترکیب‌های مختلف LNG معمولاً بر اساس میزان متان و رفتار آن‌ها در آزمایشگاه‌های موتور مرجع طبقه‌بندی می‌شود، مشابه با شاخص عدد اکتان برای بنزین. در این زمینه از عدد متان MN[8] استفاده می‌شود که نشان‌دهنده‌ی کسر حجمی متان در مخلوط مرجع CH4/H2 در محدوده 0-100 است. عدد متان برای متان خالص برابر 100 و برای هیدروژن خالص برابر صفر در نظر گرفته می‌شود [5]. هر مخلوط گازی را می‌توان با عدد متان معادل مشخص کرد که بیانگر رفتار کوبشی مشابه با مخلوط مرجع CH₄/H₂ با همان عدد است.

اولین اندازه‌گیری‌های عدد متان LNG در سال 1971 در یک موتور آزمایشی تحت شرایط مشخص انجام شد [6]. الگوریتم عدد متان AVL[9] برای آزمایش‌های انجام شده در یک دستگاه آزمایش تعریف شد، اما یکی از معایب الگوریتم AVL این است که مقادیر غیرقابل چشم‌پوشی پنتان(C5)  و نیتروژن (N2) را شامل نمی‌شود. الگوریتم AVL توسط [10]MWM توسعه بیشتری یافته تا هیدروکربن‌های بیشتر و بزرگتری را دربر بگیرد و تأثیر N2 را به طور متفاوتی بررسی کند. روش MWM به طور گسترده‌ای استفاده شده و در سال2016 توسط EUROMOT[11] پذیرفته شده است [7]. تلاش‌های بیشتری برای بهبود روش AVL توسط محققانی مانند آندرسن [8] و گیسکینگ [9]گزارش شده است.

آندرسن الگوریتم مرکز فناوری گاز دانمارک DGC[12] را معرفی کرد که بر اساس MN تعریف شده توسط AVL و عدد متان نمونه‌های گازی مختلف را با و بدون اختلاط با گازهای بی‌اثر محاسبه می‌کند. الگوریتم DGC همچنین تنها هیدروکربن‌هایی با ابعاد حداکثر C4 را در نظر می‌گیرد و CO2 و N2 به عنوان گازهای بی‌اثر محسوب می‌کند. جدیدترین تلاش‌ها برای استانداردسازی ترکیب‌های LNG توسط دانشگاه فنی برآونشوایگ آلمان TUB[13] انجام شده است که در آن اثر نرمال- و ایزو بوتان[14] و پنتان[15] بر عدد متان ترکیب‌های مختلف LNG بررسی شد [6]. بر اساس این مطالعات، چندین ترکیب استاندارد LNG تعریف شده است که از نظر ترکیب شیمیایی و عدد متان با یکدیگر متفاوت‌اند. با این حال، همه‌ی آن‌ها بر اساس الگوریتم‌های TUB و MWM در سه بازه‌ی اصلی عدد متان‌MN = 70, 74, 80  دسته‌بندی می‌شوند. جدول 2 این ترکیب‌ها را با اجزای هیدروکربنی تا C4، همراه با ترکیب درصدها، عدد متان متناظر و حد بالایی ارزش حرارتی(HHV)[16]  خلاصه می‌کند. نتایج نشان می‌دهد که اگرچه مقدار HHV برای هر 11 ترکیب تقریباً در محدوده‌ی مشابهی قرار دارد، اما اختلاف‌های اندک در ترکیب (در حدود 1%) می‌تواند منجر به تفاوت قابل توجهی در عدد متان شود؛ مانند ترکیب‌هایMix1، Mix6 و Mix7. این موضوع نشان می‌دهد که هیدروکربن‌های سنگین‌تر، علی‌رغم سهم کم در ترکیب، می‌توانند به‌طور چشمگیری مسیر اشتعال و رفتار کلی احتراق را تغییر دهند.

 

جدول 2- ترکیب‌های استاندارد LNG همراه با درصد اجزای سازنده، عدد متان اعلام‌شده و ارزش حرارتی بالای آن‌ها [10]

Table 2- Standard LNG compositions along with the percentage of constituent components, the declared methane number, and their higher heating value (HHV) [10]

HHV (MJ/m3)

MN

(TUB, MWM)

N2

i-C4H10

n-C4H10

C3H8

C2H6

CH4

Mixtures

40.3

80

0.5

 

 

1.84

5.83

91.83

Mix 1

40.48

80

0.5

 

 

 

10.1

89.4

Mix 2

39.02

80

0.5

 

 

 

5.0

94.5

Mix 3

40.43

80

0.5

 

 

5.0

 

94.5

Mix 4

40.45

74

0.5

1.45

1.45

 

 

96.6

Mix 5

41.4

74

0.5

1

 

1.81

5.78

90.91

Mix 6

41.12

74

0.5

 

1

1.81

5.78

90.91

Mix 7

41.26

74

0.5

0.5

0.5

1.81

5.78

90.91

Mix 8

42.5

70

0.5

2

 

1.80

5.71

89.99

Mix 9

41.94

70

0.5

 

2

1.80

5.71

89.99

Mix 10

42.22

70

0.5

1

1

1.80

5.71

89.99

Mix 11

 

عدد متان با توجه به مشابهتی که با عدد اکتان دارد، اصولاً معیاری برای تعیین احتراق خودکار نیز محسوب می‌شود و به طور مشابه نیز در شرایط آزمایش موتور[17] سنجیده می‌شود. به همین دلیل ممکن است، انواع ترکیبات رایج حتی با وجود داشتن عدد متان یکسان، ارزش حرارتی متفاوت باشند و رفتار احتراقی آن‌ها از جمله زمان تاخیر اشتعال در شرایط مختلف آزمایش با یکدیگر متفاوت شود. نتایج آزمایشگاهی به‌دست آمده در مطالعات اخیر نشان می‌دهد که در دماهای بالا (T 1000 K) و دماهای پایین (T<1000K)، با وجود مشابهت بین ترکیب هیدروکربن‌های تشکیل‌دهنده در دو ‌مخلوط متفاوت، عدد متان آنها می‌تواند بسیار با یکدیگر متفاوت باشد. مانند مخلوط‌های Mix1, Mix8 که ترکیب‌های نسبتاً مشابه دارند (جدول 2)، اما عدد متان آن‌ها و همچنین داده‌های زمان تأخیر اشتعال (IDT)[18] در دماهای پائین به طور محسوس متفاوت است (شکل1-ب). همچنین دیده شده است که ترکیب‌های مختلف با وجود داشتن عدد متان یکسان، می‌توانند IDT متفاوت داشته باشند، مانند Mix1, Mix2 (شکل1-د)، و بالعکس، باداشتن MN یکسان وIDT  نزدیک به هم، در ترکیب هیدروکربنی متفاوت هستند، مانند Mix5, Mix6 (شکل1-ج). بنابراین، هنگام بررسی عدد متان و مقاومت در برابر کوبش، لازم است رفتار احتراق خودکار و نیز مورد توجه قرار گیرد. با وجود اهمیت این موضوع، تنها تعداد محدودی از مطالعات (چه آزمایش و چه تئوری) برای بررسی رفتار احتراق خودکار[19] ترکیب‌های مختلف LNG انجام شده است. که علت بروز این تفاوت می‌تواند وجود هیدروکربن C4 و در کل هیدروکربن‌های سنگین تشکیل‌دهنده این ترکیبات باشد.

 

(الف)                                                                                 (a)

 (ب)                                                                               (b)

 (ج)                                                                                   (c)

 (د)                                                                                (d)

شکل 1- نتایج آزمایشگاهی به‌دست آمده برای بررسی انطباق عدد متان با زمان تأخیر احتراق [4, 5] : الف) ترکیب‌های Mix1,Mix6 دارای ترکیب و عدد متان متفاوت، ولی روند IDT مشابه هستند؛ ب) ترکیب‌های Mix1, Mix8 با وجود داشتن ترکیب مشابه، عدد متان و IDT متفاوتی در دماهای پائین دارند؛ ج) ترکیب‌های Mix5, Mix6 ترکیب متفاوت، ولی عدد متان و IDT نزدیک دارند؛ د) Mix1, Mix2 عدد متان یکسان، اما ترکیب‌های متفاوت و IDT متفاوت دارند [10].

Figure 1-Experimental data obtained in order to evaluate consistence between MN and IDT for certain LNG Mixtures [4, 5]: a) Mix1, Mix6 are different in compositions and MNs, showing similar IDTs; b) Mix1, Mix8 have similar compositions, but different MNs, and IDTs at lower temperatures; c) Mix5, Mix6 are different in compositions, but similar in MN and IDTs; d) Mix1, Mix2 have same MN but different compositions and IDTs [10].

 

مروری بر پژوهشهای تاکنون منتشر شده

تاکنون در مورد گاز طبیعی و متان مطالعات عملی و نظری متعددی انجام شده‌ است، اما در مورد مخلوط‌های گاز طبیعی مایع تعداد پژوهش‌های منتشر شده در زمینه مطالعات آزمایشگاهی و مدل‌سازی مخلوط‌های گازی LNG با توجه به نو بودن کاربرد صنعتی آن به بسیار محدود است، که در ذیل مروری بر مطالعات انجام ‌شده در این زمینه را خواهیم داشت.

والابونی و همکاران[20] یک سری آزمایش در تجهیزات لوله‌ی شوک[21] (ST) و یک ماشین فشرده‌سازی سریع[22] (RCM) برای مطالعه احتراق مخلوط‌های استاندارد LNG که مخلوطی از CH4/C2H6/C3H8/n-C4H10/i-C4H10/n-C5H12/i-C5H12/N2 بودند، در محدوده T=850-1450 K و فشارهای P=20, 40 bar و در نسبت‌های هم‌ارزی ϕ=0.4, 1.2 انجام دادند. همچنین، نتایج تجربی با استفاده از دو مکانیسم واکنش‌های شیمیایی شبیه‌سازی شد [1]. مطالعه اخیر توسط شو و همکاران[23] شامل بررسی خاصیت اشتعال 11 مخلوط

جدول 3- خلاصه پژوهش‌های عملی و عددی انجام‌شده در زمینه احتراق LNG به همراه اهداف و و روش‌های مورد استفاده.

Table 3- Summary of experimental and numerical studies conducted in the field of LNG combustion, along with the objectives and methods used.

Objectives

Method of Study

Reference

IDT measurement of 2 LNG mixtures, containing C5.

Experimental

ST, RCM

P=20, 40 bar

T=850-1450

ϕ= 0.4,1.2

Vallabhuni et al., 2018 [1]

Auto-ignition behavior of 11 LNG mixtures, with hydrocarbon size of C1-C5 and MN70-80.

Experimental

ST, RCM

P=20, 40 bar

T=870-1550

ϕ= 0.4,1.2

Shu et al., 2020 [5]

Auto-ignition behavior of various LNG mixtures, with C1-C5 hydrocarbons and methane content of MN70-80.

 

 

 

Development of reaction mechanism for LNG based on the IDT measurements, and finding the correlation between MN and auto-ignition tendency.

Experimental

ST, RCM

P=20, 40 bar

T=850-1550

   ϕ= 0.4,1.2

 

Numerical

Chemical Kinetic Model for LNG

Nadiri et al., 2021 [4]

 

مختلف LNG حاوی پنج جزء تشکیل دهنده با عدد متان از MN70-80 و پنج مخلوط مرجع حاوی فقط CH4 و H2 با MN50-90 در تجهیزات لوله‌ی شوک در فشار بالا (HPST[24]) و یک ماشین فشرده‌سازی سریع در فشارهای P=10, 20, 40 bar، و در دماهای K1525-870T= و دو نسبت هم‌ارزی ϕ=0.4, 1.2 بررسی شد. عدد متان مد نظر مخلوط‌ها نیز برحسب الگوریتم MWM[25] تعیین شده است [5]. نتایج آن‌ها حاکی از این است که مخلوط­های LNG با MN 70 به وضوح واکنش­پذیری بالاتری نسبت به مخلوط با MN 80 نشان می‌دهند. همچنین در تجزیه و تحلیل مخلوط‌های مختلف با MN 80، نشان داده شد که واکنش‌پذیری مخلوط حاوی اتان بیشتر است و در نتیجه تمایل به ضربه بالاتر حین کارکرد موتور ایجاد می‌شود. جدای از تحقیقات تجربی معدودی از مخلوط‌های LNG، مطالعات عددی به طور گسترده برای ساخت مکانیسم واکنش‌های شیمیایی جامع برای آلکان‌ها تا C5 انجام شده است.

با این حال، اختلاف قابل‌توجهی در دماهای متوسط و پائین بین مدلسازی انجام شده و داده‌های آزمایشگاهی قابل مشاهده است. احتراق در دمای پایین (LTC[26]) از حیث اینکه در دماهای پائین اصولاً می‌بایست تمایل کمتری به انتشار اکسیدهای نیتروژن (NOx) وجود دارد، حائز اهمیت است. یک مثال قابل توجه از کاربرد احتراق در دمای پایین، مفهوم موتور پیشرفته احتراق تراکمی شارژ همگن[27] (HCCI) است که از مخلوط سوخت-هوای فشرده برای انجام احتراق تمیز استفاده می‌کند [11]. فرآیند احتراق در موتور HCCI می‌تواند راندمان حرارتی را بهبود بخشیده و تشکیل NOx و [28]PM موتور احتراق تراکمی را نیز به طور محسوس کاهش دهد. با این حال، یکی از موانع اصلی برای تحقق HCCI دشواری در کنترل مرحله احتراق است که عمدتاً بر دانش شیمی احتراق خودکار مخلوط سوخت و هوا متکی است [12]. بنابراین، یک مکانیسم قابل اعتماد برای احتراق خودکار LNG برای پیش‌بینی وضعیت کار HCCI موتور با سوخت LNG، علی الخصوص با توجه به ضعف عمومی مدل‌های موجود در پیشبینی احتراق در شرایط LTCضروری به نظر می‌رسد.

آخرین پژوهش ارائه شده، متعلق به ندیری و همکاران[29] [4] است که یک مدل سینتیک شیمیایی برای کشف ارتباط بین MNs و IDTs ایجاد کردند. آن‌ها مقایسهای میان نتایج مدل‌سازی و آزمایش‌های احتراق مخلوط‌های LNG مختلف حاوی آلکان‌های C1-C5 و N2 و مخلوط‌های مرجع حاوی تنها CH4 و H2 با عدد متان معین در محدوده دمایی  K1550 T= 850-در فشارهای P=10, 20 , 40 bar و نسبت­های هم ارزی ϕ=0.4, 1.2 انجام دادند. مدل جدید توسعه‌یافته آن‌ها قابلیت خوبی در شبیه‌سازی IDT مخلوط‌های LNG مختلف نشان داد. جدول 3 خلاصه ای از مطالعات اخیر به همره روش و شرایط مطالعه، به همراه اهداف و نتایج را نمایش می‌دهد. چنانچه شرح داده شد، تنها تعداد محدودی از این پژوهشها برروی مطالعات تجربی و مدل سازی احتراق LNG متمرکز هستند و به‌غیر از پژوهش اخیر ندیری و همکاران [4]، هیچ مدل سینتیکی دیگری مختص مطالعه ویژگی‌های احتراق LNG توسعه نیافته است. دو پژوهش آزمایشی دیگر، یعنی والابونی و همکاران [1]، و شو و همکاران [5] نیز از مدل‌های احتراقی جامع مانند NUIG[30] [13] و LLNL[31] [14] استفاده کرده‌اند تا داده‌های تجربی خود را مقایسه کنند، بدون آنکه مدلی سینتیکی ویژه برای شبیه‌سازی عددی پدیده‌های مرتبط با احتراق ترکیب‌های LNG توسعه دهند. بنابراین، هداف اصلی این تحقیق توسعه و اعتبارسنجی یک مدل سینتیکی اختصاصی برای احتراق ترکیب‌های LNG و بررسی مکانیسم‌های شیمیایی مؤثر بر فرآیند اشتعال خودکار منظور می‌شود. بدین منظور، 11 ترکیب LNG معرفی‌شده در جدول 1 شامل اجزای حداکثر تا C4 و داده‌های مربوط به زمان تأخیر اشتعال آن‌ها، به‌منظور شبیه‌سازی و ارزیابی مدل مورد استفاده قرار داده شده‌اند.

مدلسازی احتراق و توسعه مدل سینتیکی

معادلات حاکم بر رآکتور احتراقی

رآکتورهای تحقیقاتی احتراق به‌طور ایده‌آل و به صورت همگن[32]، با هم‌آمیختگی جزئی[33] و یا کامل[34] در حجم[35] یا فشار ثابت[36] و به صورتی که با محیط تبادل حرارتی ندارند فرض می‌شوند. رآکتورهای مورد استفاده برای سنجش زمان تأخیر اشتعال به صورت بسته عمل کرده و در حجم ثابت کار می‌کنند. برای این نوع رآکتورها، معادله پایستگی انرژی به شکل زیر برقرار است [10, 15]:                          

(1)

با توجه به صفر بودن کار مرزی در فرآیند حجم ثابت، شکل نهایی معادله بقای انرژی به صورت زیر در خواهد آمد:

(2)

که انرژی داخلی به صورت کمیتی شدتی و براساس مقدار ماده (تعداد مول مواد) قابل تعریف می‌باشد [10, 15]:

(3)

که  انرژی متوسط درونی و Nj تعداد مول برای گونه jام می‌باشند.

با توجه به اینکه فرآیند احتراق، شامل مصرف واکنش‌دهنده‌ها و تولید محصولات است، مشتق زمانی انرژی درونی 𝑢 بر حسب مجموع تغییرات مول هر جز مولی مواد درگیر در واکنش قابل بیان است [10, 15]:

(4)

همچنین در طی فرآیند سوختن، آزاد شدن انرژی شیمیایی با افزایش ناگهانی دما همراه است، تغییرات انرژی درونی هر جزء بر اساس تغییرات دمایی به صورت زیر تعریف می‌شود:

(5)

با توجه به محیط گازی و فرض حجم ثابت، تعداد مول هر جزء Nj نیز بر حسب حجم رآکتورV و غلظت مولار [Xj] به صورت زیر تعریف می‌شود:

(6)

بنابراین، مشتق زمانی تغییرات مقدار هر جز به صورت زیر بازنویسی خواهدشد:

(7)

که براساس تعریف تغییرات غلظت جزئی با پتاسیل شیمیایی،  برابر است با [10, 15]:

(8)

با جایگذاری روابط 7 و 8 در رابطه معادله 4، این معادله در انتها به شکل زیر بازنویسی خواهد شد:

(9)

مقدار  را می‌توان با جایگذاری رابطه فوق در معادله پایستگی انرژی و با فرض اینکه   بر حسب انرژی مبادله شده با محیط(گرما)، پتانسیل شیمیایی، تغییرات غلظت گونه‌ها (اجزا) و ظرفیت گرمایی معادل در حجم ثابت را به دست آورد.

(10)

همچنین برای شرایط ایده‌آل آدیاباتیک تغییرات دما نسبت به زمان برابر معادله زیر می‌باشد:

(11)

با توجه به این نکته که انرژی درونی و ظرفیت گرمایی ویژه در حجم ثابت برای شرایط ایده‌آل گازی می‌تواند بر حسب آنتالپی و ظرفیت گرمایی ویژه در فشار ثابت تبدیل شود (معادلات 12 و 13)، تغییرات دما بر حسب زمان در نهایت به صورت زیر بر حسب آنتالپی و ظرفیت گرمایی ویژه در فشار ثابت بیان می‌شود، که برابر با معادله (14) است [10, 15]:

(12)

(13)

(14)

محاسبه‌ی نرخ تغییرات فشار سیستم نیز از رابطه‌ی گاز کامل بدست می‌آید:

(15)

(16)

با قرار دادن روابط (3) و (8) درمعادله (16) و تغییرات فشار بر حسب غلظت مولی و پتانسیل شیمیایی رابطه زیر حاصل می‌شود:

(17)

معادلات بدست آمده برای دما و فشار به صورت عددی و با شرایط اولیه معلوم به صورت زیر حل می‌شوند [10, 15]:

(18)

(19)

(20)

 

توسعه‌ی مدل سینتیک احتراق

همان‌طور که اشاره شد، متان CH4 جزء اصلی تشکیل‌دهنده‌ی LNG به شمار می‌رود و از این حیث، شناخت سازوکار احتراقی آن برای مطالعه‌ی احتراق ترکیب‌های LNG در بازه‌های مختلف کارکرد حائز اهمیت ویژه است. متان با ساختار مولکولی منحصر به فرد چهار وجهی و انرژی‌های پیوند بزرگ C-H، دارای دمای اشتعال بالا و سرعت شعله کم است و در بخارهای شیمیایی بدون واکنش است. تحقیقات گسترده در زمینه سینتیک‌های شیمیایی متان انجام شده است، و بنابراین رفتار احتراقی آن تا حد خوبی شناخته شده است. در اولین تلاش‌ها برای شناسایی و مدلسازی احتراق متان، کافمن[37] [16]در بررسی سینتیک‌های احتراق برخی از سوخت‌های C1-C2، مکانیسم احتراق متان را تا 75 واکنش عنصری[38] با 25 گونه‌ی شیمیایی[39] میانی و نهایی (شامل مولکول‌ها و رادیکال‌ها) توسعه داد، که تا مدت‌ها به عنوان الگوی احتراق پذیرفته شده مطرح بود. دیرتر با توسعه بیشتر زیرساخت‌های محاسباتی، چندین گروه تحقیقاتی در ایجاد مکانیزم سینتیک بهینه‌سازی شده متان همکاری داشته‌اند. مدل سینتیکی GRI-Mech که بیشتر بر اساس تکنیک‌های بهینه‌سازی فرنکلاخ و همکارانش[40] [17, 18] پایه‌گذاری شده است. این مدل به صورت منبع باز[41] قابل دسترسی است و به طور پیوسته بروز می‌شود، که بسیاری از این مراحل در مکانیزم‌های اکسیداسیون H2 و CO وجود دارد.

 در پژوهش پیش رو، از شیمی بروز شده C0–C1 متعلق به دانشگاه فنی مونیخ[42]، که اسلاوینسکایا و همکاران[43] [19, 20] که برای سوختن متانول (CH₃OH) به‌عنوان مدل پایه توسعه یافته است، برای مدلسازی سینتیک احتراق متان بهره گرفته شده است. مکانیسم واکنش‌های شیمیایی موجود در این مدل شامل 74 گونه و 510 واکنش بوده و از طریق یک ابزار بهینه‌سازی خودکار مبتنی بر الگوریتم ژنتیک[44] (GA) تنظیم شده است. این الگوریتم با هدف کاهش عدم‌قطعیت‌های قطعی در ضرایب نرخ واکنش(RRCs) [45] مربوط به واکنش‌های مهم (40 پارامتر فعال) به کار گرفته شده است.

مدل حاصل با موفقیت در برابر داده‌های زمان تأخیر اشتعال به‌دست‌آمده از آزمایش‌های لوله شوک، همچنین در برابر سرعت شعله‌ آرام [46] و پروفیل‌های غلظتی گونه‌ها در راکتورهای جریان پیستونی[47] (PFRs) مورد اعتبارسنجی قرار گرفت. بخش شیمی C2–C3 به‌کاررفته در مدل حاضر، بر اساس مدل استیلن اسلاوینسکایا و همکاران [21] توسعه داده شده است.

برای مدل کردن سوختن مخلوط‌های گاز طبیعی مایع به مدلی با ابعاد دست‌کم C4 نیاز است. بدین منظور می‌بایست این زیر مجموعه واکنش‌های شیمیایی به همراه ویژگی‌های ترموشیمیایی گونه‌های میانی مربوط توسعه‌یافته و به مدل اصلی اضافه شوند. این امر با توجه به الگوهای واکنشی که عموماً پذیرفته هستند انجام شده و داده‌های ترموشیمیایی مورد نیاز برای گونه‌های میانی از داده‌های مندرج در مبناداده‌ها[48] و سایر مدل‌های سینتیکی پذیرفته برای هیدروکربن‌های مختلف، به ویژه از مکانیزمNUIG 3.0  برگرفته و گردآوری شده است. مدل نهایی در مجموع شامل 89 گونه و 754 واکنش است.

در شکل 2، عملکرد مدل حاضر در مقایسه با مدل پایه GRI Mech در یک حالت آزمون فرضی از احتراق استوکیومتری متان(CH4)  در محدوده دمای بالا(T=1400 K)  و در فشار اتمسفریک نشان داده شده است، که در آن مسیرهای موثر بر تشکیل فرآورده‌های نهایی احتراق CO, CO2 را از مبدا سوخت (متان) برجسته می‌شوند. چنانچه بر می‌آید، تمایز دو مدل در تعداد مسیرهای موثر و همچنین نقش پررنگ تر گونه‌های وابسته به متانول در فرآیند احتراق متان در مکانیسم جدید است.

 

 

(الف)                                                                                                            (a)

 

 

 

(ب)                                                                                                     (b)

شکل2- نمودار مسیر واکنش دما بالا برای احتراق CH4 در رآکتور اختلاط همگن در T=1400 K و P=10 bar و ϕ =1 با استفاده از الف) مکانیسم توسعه یافته ب) مکانیسم جامع  GRI 3.0. [10].

Figure 2- Species rout diagram for CH4 combustion in homogenous reactor in T=1400 K, P=10 bar, ϕ =1 depicted by: a) current mechanism b) GRI 3.0 detailed mechanism [10].

نتایج شبیه‌سازی

چنانچه در بخش پیشین مرور پژوهش‌های انجام شده اشاره شد، بخش عمده‌ای از داده‌های آزمایشگاهی معطوف به اندازه‌گیری مشخصه‌های احتراق و ارتباط آن‌ها با عدد متان می‌باشد که در بازه‌های دمایی و فشاری مختلف با ترکیب‌های متفاوتی از گاز طبیعی مایع (مقدار متان تشکیل‌دهنده) و اکسیدکننده (عمدتاً هوا) در نسبت‌های هم‌ارزی مختلف اندازه‌گیری شده‌اند. اغلب این داده‌های آزمایشگاهی به اندازه‌گیری مشخصه‌های احتراق که معمولاً در شرایط کارکرد در موتور خودرو اتفاق می‌افتد، پرداخته‌اند. در این تحقیقات مشخصه‌های احتراقی با دامنه‌ی دمایی و فشاری مختلف و با استفاده از تجهیزات متفاوتی مانند ST , RCM  اندازه‌گیری شده‌اند (جدول 3). این آزمایش‌ها شامل داده‌هایی همچون زمان تأخیر اشتعال[49] و عدد متان هستند.

همان‌گونه که پیش‌تر اشاره شد، 11 ترکیب نشان‌ داده ‌شده در جدول 1برای شبیه‌سازی داده‌های تجربی زمان تأخیر اشتعال از مراجع [2, 3] در بازه دمایی T=850–1450 K، نسبت هم‌ارزی ϕ=0.4, 1.2، و فشارهای P=10, 20, 40 bar ا، به منظور صحت‌سنجی مدل توسعه یافته استفاده شدند. برای شبیه‌سازی از نرم‌افزار CHEMKIN-PRO [11] و در بلوک رآکتور بمبی[50] در شرایط حجم ثابت انجام شده‌اند. برای شبیهسازی داده‌های اندازهگیری در تجهیزات RCM پروفیل زمانی فشار به عنوان ورودی به نرم‌افزار داده شده است. منتخبی از این نتایج در شکل‌های 3 و 4 نشان داده شده‌اند که بر اساس عدد متان (MN) آن‌ها طبقه‌بندی شده‌اند.

 (الف)                                                                                 (a)

 (ب)                                                                                      (b)

(ج)                                                                                       (c)

 (د)                                                                                      (d)

(هـ)                                                                                      (e)

 (و)                                                                                       (f)

شکل 3- شبیه‌سازی داده‌های زمان تأخیر احتراق از منابع [2, 3]، مربوط به آزمایش‌های ST و RCM، به‌ترتیب در نواحی دمای بالا و دمای پایین در شرایط رقیق شده، برای مخلوطهای استاندارد LNG ترکیبات Mix1-Mix10 در فشارهای P=10,20 bar و در نسبت هم‌ارزی ϕ=0.4. مقایسه بین مدل توسعه‌یافته در این پژوهش (p.w.، خط سبز)، مدل NUIG (خط سیاه نقطه‌چین) و مدل LLNL (خط خاکستری نقطه‌خط) انجام شده است.

Figure 3- Simulation of IDTs from ST and RCM experiments of [2, 3] in HT and LT rages, of the diluted mixtures of standard LNG Mix1–Mix10, at P = 10, 20 bar and ϕ = 0.4. A comparison is made between the model developed in this study (p.w., green line), the NUIG model (black dashed line), and the LLNL model (gray dash-dotted line).

 

 

 

 

(الف)                                                                                      (a)

 (ب)                                                                                                    (b)

(ج)                                                                                         (c)

(د)                                                                                                    (d)

شکل4- شبیه‌سازی داده‌های زمان تأخیر احتراق از منابع [2, 3]، مربوط به آزمایش‌های ST و RCM، به‌ترتیب در نواحی دمای بالا و دمای پایین در شرایط رقیق شده، برای مخلوطهای استاندارد LNG ترکیبات Mix2,6,8 در فشارهای P=10,20 bar و در نسبت هم‌ارزی ϕ=1.2. مقایسه بین مدل توسعه‌یافته در این پژوهش (p.w.، خط سبز)، مدل NUIG (خط سیاه نقطه‌چین) و مدل LLNL (خط خاکستری نقطه‌خط) انجام شده است.

Figure 4-Simulation of IDTs from ST and RCM experiments of [2, 3] in HT and LT rages, of the diluted mixtures of standard LNG Mix2,6,8, at P = 10, 20 bar and ϕ = 1.2. A comparison is made between the model developed in this study (p.w., green line), the NUIG model (black dashed line), and the LLNL model (gray dash-dotted line).

 

عملکرد مدل حاضر در بازه وسیعی از شرایط برای هر سه گروه از اعداد متان، به طور کلی سازگار است. روند تغییرات داده‌ها در نواحی دمای پایین (LT) و دمای بالا (HT) به خوبی توسط مدل بازتولید شده است. به‌ویژه در دماهای بالاتر از T>1200 K، دقت مدل افزایش می‌یابد. در دماهای پایین‌تر از T<1000 K، اختلاف میان مقادیر مدل و داده‌های تجربی افزایش پیدا می‌کند، اگرچه روند کلی داده‌ها که مدل پیش‌بینی کرده است تقریباً با اندازه‌گیری‌ها سازگار باقی می‌ماند.

هر سه مدل سطحی از برآورد پائین[51] را نشان داده‌اند، به‌ویژه در بازه دمایی T=850-950 K با این حال مدل حاضر کمترین انحراف را دارد. شایان ذکر است که از آن‌جایی که داده‌های دمای پایین در تجهیزات RCM و برای مخلوط‌های غنی (ϕ=1.2) اندازه‌گیری شده اند، نتایج شبیه‌سازی اندکی بیش‌برآورد[52] در مقایسه با داده‌های تجربی دارند (شکل 4). در میان آن‌ها، مدل حاضر کمترین میزان اختلاف را با مقادیر تجربی نشان داده است.

به طور کلی، مدل حاضر در مقایسه با مدل‌های جامع NUIG وLLNL  توان پیش‌بینی بهتری در کل بازه داده‌های زمان تأخیر احتراق دارد. این برتری به‌ویژه در محدوده دمای پایین (LT) واضح‌تر دیده می‌شود.

 

جدول 4- خطای مطلق شبیه سازی نقاط آزمایشگاهی و مخلوط‌های منتخب LNG ، توسط مدل توسعه یافته P.W. و دو مدل جامع دیگر NUIG , LLNL و به تفکیک عدد متان MN و شرایط آزمایشگاهی.

Table 4- Mean Absolute Percentage Error (MAPE) of the simulation results by the developed model P.W., and two other models of NUIG, LLNL for the selected experimental points, separated due to the experimental conditions and MN.

MAPE (from experimental data)

Experimental Apparatus

Operational Condition

Mix/ MN

Thermal Condition

LLNL

NUIG

P.W.

20%

16%

23%

ST

ϕ=0.4 , P= 10 bar

Mix 1/ MN 80

HT

28%

50%

33%

RCM

ϕ=1.2 , P= 20 bar

Mix 1/ MN 80

32%

29%

21%

ST

ϕ=0.4 , P= 10 bar

Mix 4/ MN 80

66%

60%

28%

ST

ϕ=0.4 , P= 10 bar

Mix 5/ MN 74

33%

69%

34%

ST

ϕ=1.2 , P= 10 bar

Mix 6/ MN 74

40%

31%

13%

ST

ϕ=0.4 , P= 10 bar

Mix 8/ MN 74

40%

31%

13%

ST

ϕ=1.2 , P= 10 bar

Mix 8/ MN 74

40%

79%

45%

RCM

ϕ=0.4 , P= 10 bar

Mix 10/ MN 70

48%

43%

24%

RCM

ϕ=1.2 , P= 20 bar

Mix 1/ MN 80

LT

42%

45%

29%

RCM

ϕ=0.4 , P= 20 bar

Mix 10, MN 70

 

 

 (الف)                                                                                        (a)

 

(ب)                                                                                              (b)

 

(ج)                                                                                            (c)

 

)                                                                                                 (d)

شکل 5- داده‌های زمان تأخیر احتراق برای مخلوط‌های Mix1 تا Mix8 با عدد متان 80، از آزمایش‌های ST و RCM از منابع [2, 3]، در هر دو بازه دمایی بالا و پایین، در فشار‌های P=10, 20 bar برای نسبت‌های هم ارزی و 1.2ϕ=0.4,  گردآوری شده‌اند. نقاط پر (دایره‌های توپر) نتایج شبیه‌سازی را نشان می‌دهند و خطوط قرمز بیانگر تقریب خطیِ نتایج کلی شبیه‌سازی هستند.

Figure 5- IDT data collection for Mix1-Mix8 with MN80, 75 from ST and RCM of [4, 5] in both HT and LT ranges, at P=10, 20 bar, and ϕ=0.4, ϕ=1.2 conditions.  The filled dots show simulation results and the red lines illustrates the linear regression of the overall simulation results.

 

جدول 4 میزان خطای مطلق متوسط در نقاط شبیه سازی شده‌ی اشکال 3و4 برای مدل پیش رو، به همراه دو مدل جامع دیگر را نست به میزان اندازه‌گیری، به تفکیک عدد MN و شرایط دمایی ارائه می‌دهد. چنانچه برداشت می‌شود، میزان خطای مطلق مدل توسعه‌یافته در در هر دو شرایط دمای بالا HT و شرایط دمای پائین LT نسبت به دو مدل دیگر کمتر است. میزان متوسط MAPE در تمامی نقاط اندازه‌گیری در HT برای مدل توسعه یافته (P.W.) برایر با 26% است، در حالی‌که برای NUIG , LLNL به ترتیب 46% , 37% است. برای دماهای پائین LT این ارقام به ترتیب 27% برای مدل پیش رو و به ترتیب 44% , 45% برای NUIG, LLNL است.

نمودارهای شکل 5 تجمیع داده‌های آزمایشگاهی برای ترکیب‌های مختلف با اعداد متانMN80,75  را در وضعیت‌های مختلف کارکرد از جمله در نسبت‌های هم‌ارزیϕ=0.4 , 1.2  به همراه نتایج شبیه‌سازی و تقریب خطی[53] آن با مدل کنونی را نشان می‌دهد. چنانچه از این نمودارها بر می‌آید، برای MN80، در مجموع ترکیب‌های Mix1 تا Mix4 در شرایط معین، رفتار نسبتاً مشابهی را ارائه می‌دهند. همچنین، تقریب خطی نتایج شبیه‌سازی با مدل کنونی نیز در اغلب موارد قادر به پیش‌بینی زمان تأخیر اشتعال با دقت مطلوب به لحاظ تقریب عددی و شیب داده است. این وضعیت برای ترکیب‌های Mix5 تا Mix8 که دارای عدد متان MN75 هستند نیز، مجدداً مشاهده شده و تأیید می‌شود.

نتایج شبیه‌سازی

تحلیل‌های نرخ تولید گونه‌ها (ROPAD)[54] بر اساس نتایج شبیه‌سازی به‌دست‌آمده انجام شد تا روندهای اصلی واکنش‌های شیمیایی شناسایی شده و مسیرهای واکنشی غالب از سوخت تا محصولات نهایی تعیین شوند. این تحلیل‌ها برایMix11  که بیشترین تنوع گروههای هیدروکربنی را در میان سایر ترکیبات استاندارد دارد، در نسبت هم‌ارزی  ϕ=1.2در دو رژیم دمایی LT, HT و فشار P=20 bar و با استفاده از نرم‌افزار CHEMKIN-PRO [11] و ماژولReaction Workbench  انجام شده‌اند. شکل‌ 6 نتایج تحلیل را برای متان (CH4) به‌عنوان مهمترین جزء ترکیبات استاندارد معرفی شده LNG نمایش می‌دهد، که در آن در شرایط  LTواکنش‌های زنجیره‌ای هیدروژن‌زدایی مرحله‌ای[55] مسیر غالب هستند. این واکنش‌های زنجیره‌ای پس از تشکیل اتان(C₂H₆) و اتیلن(C₂H₄)  از رادیکال‌های متیل(CH₃)  آغاز می‌شوند.

(الف)                                                                                                (a)

 

 

 

(ب)                                                                                       (b)

 

شکل6- تحلیل نرخ تشکیل گونه‌ها ROPAD برای جزء متان در ترکیب Mix11 در شرایط  ϕ=1.2 , P=20 bar در الف) دمای بالا HT ب)دمای پائین LT.

Figure 6- ROPAD analysis for CH4 fraction of Mix11 ignition at ϕ=1.2 and P=20 bar and (a) HT, (b) LT.

 

 

 

(الف)                                                                             (a)

(ب)                                                                                                        (b)

 

شکل7- تحلیل نرخ تشکیل گونه‌ها ROPAD برای جزء اتان در ترکیب Mix11 در شرایط  ϕ=1.2 , P=20 bar درالف) دمای بالا HT ب)دمای پائین LT.

 

Figure 7- ROPAD analysis for C2H6 fraction of Mix11 ignition at ϕ=1.2, P=20 bar, and (a) HT, (b) LT.

         

 

 

(الف)                                                                             (a)

 

(ب)                                                                                                   (b)

شکل8-تحلیل نرخ تشکیل گونه‌ها ROPAD برای جزء پروپان در ترکیب Mix11 در شرایط  ϕ=1.2 , P=20 bar درالف) دمای بالا HT ب)دمای پائین LT.

Figure 8- ROPAD analysis for C3H8 fraction of Mix11 ignition at ϕ=1.2, P=20 bar and (a) HT, (b) LT.

 

(الف)                                                                           (a)

(ب)                                                                                (b) 

شکل9-تحلیل نرخ تشکیل گونه‌ها ROPAD برای جزء بوتان خطی در ترکیب Mix11 در  ϕ=1.2 , P=20 bar الف) دمای بالا HT ب)دمای پائین LT.

 

Figure 9- ROPAD analysis for n-C4H10 fraction of Mix11 ignition at ϕ=1.2 , P=20 bar, and (a) HT, (b) LT.

 

     

 

 

(الف)                                                                             (a)

 

(ب)                                                                                           (b)

شکل 10- تحلیل نرخ تشکیل گونه‌ها ROPAD برای جزء ایزو بوتان در ترکیب Mix11 در  ϕ=1.2 , P=20 bar الف) دمای بالا HT ب)دمای پائین LT.

Figure 10- ROPAD analysis for i-C4H10 fraction of Mix11 ignition at ϕ=1.2, P=20 bar, and (a) HT, (b) LT.

در شرایط دمای بالا، مسیر تجزیه به رادیکال‌ها و گونه‌های کوچکتر، تا تشکیل رادیکال متیل و سپس برهم‌کنش گونه‌های کوچک مانند CH2، HCO، CH و CH2O اهمیت بیشتری پیدا می‌کند. این روند برای سایر اجزای سوخت نیز مشاهده می‌شود. با این حال، در شرایط HT، این مسیر تحت‌تأثیر واکنش‌های C2H2 قرار می‌گیرد. برای بوتان خطی (n-C₄H₁₀)، این مسیرها در شرایط LT با ایزوبوتان آن تفاوت دارد؛ این مسیرها با واکنش‌های جدایش هیدروژن آغاز شده و منجر به تشکیل C₄H₉ می‌شود، که این رادیکال به نوبه خود تمایل به از دست دادن مجدد هیدروژن و تشکیل اولفین، و سپس تجزیه به اتیلن (C₂H₄) و رادیکال وینیل (C₂H₃) دارد (شکل 7).



[1] Knock

[2] Benzene, C6H6

[3] Butadien, C4H6

[4] Formaldehyde, CH2O

[5] Acetaldehyde, CH3CHO

 

[7] Compressed Natural Gas

[8] Methane Number

[9] Anstalt für Verbrennungsmotoren

[10] Motoren-Werke Mannheim

[11] یک انجمن غیرانتفاعی است که به نمایندگی از تولیدکنندگان موتورهای احتراق داخلی و سیستم‌های قدرت جایگزین در اروپا فعالیت می‌کند.

[12] Danish Gas Technology Center

[13] Technische Universität Braunschweig

[14] Normal & iso-butane (n/i- C4H10)

[15] Pentane (C5H12)

[16] Higher heating value

[17] Engine Experiment

[18] Ignition Delay Time

[19] Auto-ignition

[20] Vallabhuni et al., 2018

[21] Shock Tube

[22] Rapid Compression Machine

[23] Shu et al., 2020

[24] High Pressure Shock Tube

[25] Maximum Weight Matching

[26] Low temperature combustion

[27] Homogeneous charge compression ignition

[28] Particulate Matters

[29] Nadiri et al., 2021

[30] University of Galway

[31] Lawrence Livermore National Laboratory

[32] Homogeneous

[33] Partially Stirred Reactor (PaSR)

[34] Perfectly Stirred Reactor (PSR)

[35] Iso-choric

[36] Iso-baric

[37] Kaufman

[38] Elementary Reaction

[39] Chemical Species

[40] Frenklach et al.

[41] Open Source

[42] Technische Universität München – TUM

[43] Slavinskaya et al.

[44] Genetic Algorithm

[45] Reaction Rate Constant

[46] Laminar Flame Speed

[47] Plug Flow Reactor

[48] Database

[49] Ignition Delay Time

[50] Calorimetric Bomb Reactor

[51] Underestimation

[52] Overestimation

[53] Linear Regression

[54] Rate of Production and Destruction Analysis

[55] Cascading Dehydrogenation

[1]
S. k. Vallabhuni, A. D. Lele, V. Patel, A. Lucassen, K. Moshammer, M. AlAbbad, A. Farooq, &. R. X. Fernandes, "Autoignition studies of Liquefied Natural Gas (LNG) in a shock tube and a rapid compression machine," Fuel, vol. 232, pp. 423-430, November 2018.
[2]
S. M. Mirfattah, A. Saleh, " Comperative Investigation of Various Alternative Fuels in Transportation", J. Invstg. Energy Econm., vol. 3, no. 10, p. 3, 2007 (in Persian).
[3]
M. Sadra, " Future of Natural Gas", Sci. Edu. Res. Publication of Oil, Gas & Petrochem, 2009, Iran (in Persian).  
[4]
S. Nadiri, S. Agarwal, X. He, U. Kühne, R. Fernandes, & B. Shu, "Development of the chemical kinetic mechanism and modeling study on the ignition delay of liquefied natural gas (LNG) at intermediate to high temperatures and high pressures," Fuel, vol. 302, pp. 121137, 2021. https://doi.org/10.1016/j.fuel.2021.121137.
[5]
B. Shu, S. K. Vallabhuni, J. Zheng, S. Agarwal, & R. X. Fernandes, "Experimental and Modeling Studies on the Correlation Between Auto-Ignition Delays and the Methane Number of Liquefied Natural Gas (LNG) and Liquefied Biogas (LBG)," Frontiers in Mechanical Engineering, vol. 6, pp. 1-11, 2020. https://doi.org/10.3389/fmech.2020.00047.
[6]
M. Leiker, W. Cartillieri, K. Christoph, U. Pfeifer, & M. Rankl, "Evaluation of Antiknocking Propertyof Gaseous Fuels by Means of Methane Number and its Practical Application to Gas Engines.," ASME Paper 72-DGP-4, NY, USA., pp. 1-15, 1972.
[7]
EUROMOT (European Association of Internal Combustion Engine Manufacturers). MWM-MN-Code-for-distribution (Version 2016-04-22) [Computer software]. Available at: https://www.euromot.eu/wp-content/uploads/2019/07/MWM-MN-Code-for-distribution-2016-04-22.zip.
[8]
P. Andersen, "Algorithm for methane number determination for natural gasses," Danish Gas Technology Centre a/s, Denmark, 1999.
[9]
B. Gieseking, & A. S. Brown, "Novel algorithm for calculating the methane number of liquefied natural gas with defined uncertainty," Fuel, vol. 185, pp. 932-940, 2016.
[10]
M. M. Mahmoudi Rad, "Investigation of natural gas liquefaction technology and determining combustion behavior in industrial applications", Master Thesis, Caspian Faculty of Engineering, University of Tehran, 2024.
[11]
D. Blom, M. Karlsson, K. Ekholm, P. Tunestål, & R. Johansson, "HCCI engine modeling and control using conservation principles," SAE Int, SAE Technical Papers, vol. 1, no. DOI: 10.4271/2008-01-0789, 2008.
[12]
M. Yao, Z. Zheng, & H. Liu, "Progress and recent trends in homogeneous charge compression ignition (HCCI) engines.," Prog. Energy & Combst. Sci., vol. 35, no. 5, pp. 398-437, 2009.
[13]
J. Bugler, KP. Somers, E. J. Silke, & H. J. Curran,  "Revisiting the kinetics and thermodynamics of the low-temperature oxidation pathways of alkanes: a case study of the three pentane isomers," J. Phys. Chem. A., vol. 119, no. 28, pp. 7510-27, 2015.
[14]
M. Mehl, W. J. Pitz, C. K. Westbrook, & H. J. Curran, "Kinetic Modeling of Gasoline Surrogate Components and Mixtures under Engine Conditions," Proc. Combust. Inst., vol. 33, no. 1, pp. 193-200, 2012.
[15]
Reaction Design. CHEMKIN-PRO 15112, San Diego, CA, 2011. Computer software.
[16]
F. Kaufman, "Chemical kinetics and combustion: Intricate paths and simple steps.," Symposium (International) on Combustion, vol. 19, no. 1, pp. 1-10, 1982. https://doi.org/10.1016/S0082-0784(82)80172-0.
[17]
M. Frenklach, and H. Wang, "Detailed modeling of soot particle nucleation and growth",Symposium (International) on Combustion, vol. 23, p. 1559, 1991, https://doi.org/10.1016/S0082-0784(06)80426-1.
[18]
M. Frenklach, H. Wang, & M. J. Rabinowitz, "Optimization and analysis of large chemical kinetic mechanisms using the solution mapping method: combustion of methane," Prog. energy & combst. Sci., vol. 18, no. 1, pp. 47-73, 1992.
[19]
H. Wang, G. Wang, O. Haidn, N. Slavinskaya, M. Abbasi, "Development of a Genetic Algorithm Tool for the Optimization of Chemical Kinetic Model for the Methanol Oxidation," in 10th INTERNATIONAL SEMINAR ON FLAME STRUCTURE (10th ISFS) , Novosibirsk, Russian Federation, 2023.
[20]
H. Wang, O. Haidn, M. Abbasi, A. Nugymanova, J. Shvab, N. Slavinskaya, "Development of a Genetic Algorithm Tool for the Optimization of the Methanol Oxidation," Chem. Eng. Tech., vol. 48, no. DOI: 10.1002/ceat.202400199, p. e202400199, 2025.
[21]
N. Slavinskaya, A. Mirzayeva, R. Whitside, J. H. Starke, M. Abbasi, M. Auyelkhankyzy, V. Chernov, "A modelling study of acetylene oxidation and pyrolysis," Combustion and Flame, vol. 210, pp. 25-42, 2019.
[22]
N. A. Slavinskaya, M. Abbasi, J. H. Starcke, R. Whitside, A. Mirzayeva, U. Riedel, W. Li, J. Oreluk, A. Hegde, A. Packard, M. Frenklach, G. Gerasimov, & O. Shatalov, "Development of an UQ-Predictive Chemical Reaction Model for Syngas Combustion".Energy&Fuels, vol. 31. no. 3, pp 2274-2297, 2017.