华中科技大学李鹏飞副教授：基于动态自适应反应的煤粉无焰燃烧燃料氮转化机理研究
燃烧过程的组分分布在不同反应区域差别很大，因此无需在模拟全程使用相同的化学反应机理。动态自适应机理简化算法可将详细机理在反应区当地实时简化为精确子机理，以此在每个反应局部位置只需耦合适合该反应区的最小组分与反应数的简化机理进行有限速率反应积分运算，以此实现计算加速。当前已有耦合动态自适应机理简化算法的气体及液体燃料燃烧数值模拟研究，而基于动态自适应反应的煤粉燃烧数值模拟鲜有报道。
为了提高煤粉无焰燃烧的模拟精度和计算效率，研究煤粉无焰燃烧燃料氮转化机理，华中科技大学李鹏飞副教授首先介绍动态自适应机理简化算法的原理，而后耦合自主发展的含氮骨架机理并采用动态自适应机理简化算法，进行煤粉无焰燃烧燃料氮转化有限速率模拟，经过模拟结果系统验证后，进行煤粉无焰燃烧燃料氮转化动力学分析。
摘要
无焰燃烧是近年来广受关注的新型高效清洁燃烧技术之一，具有容积式低反应速率燃烧区和典型中低温燃烧特性,需耦合详细反应机理并考虑湍流与化学反应交互，以提高无焰燃烧及其NO生成数值模拟精度。基于动态自适应反应机理对煤粉无焰燃烧和NO生成特性进行了高保真数值模拟研究。通过采用动态自适应机理简化算法，模拟过程实时对自主发展的含氮骨架机理进行当地简化。评估发现，相较于单纯采用骨架机理模拟，采用动态自适应反应可在不牺牲计算精度的条件下获得约3倍的计算加速，且对炉内NO生成的预测精度显著优于传统NO后处理模拟方法。基于经试验验证的模拟结果，还获得了HCN和NH3等典型含氮前驱体的炉内分布，并进一步分析了煤粉无焰燃烧燃料氮转化路径、炉内活跃组分和活跃反应等氮转化关键信息。结果表明，煤粉无焰燃烧NO生成主要取决于NH3、HCN和N2O中间体，而NCO和HNO是较为关键的中间组分。HCN中间体主要通过HNCO/CN和NCO路径生成NO。NH3中间体由HNCO生成，并进一步转化为NH2和HNO，最终生成NO。N2O路径主要参与NO还原，对NO生成贡献较低。CH3CN也是生成NO的重要中间组分，可通过NCO路径生成NO。
1 基于动态自适应反应的数值模拟方法
图1 ISAT-DAC计算流程
图2 IFRF炉膛几何结构
本文研究对象IFRF煤粉无焰燃烧试验采用高速直喷一、二次风射流，高动量射流存在强烈的射流扩散和卷吸作用，在整个燃烧区内引起了大尺度烟气内循环，反应混合物被再循环烟气稀释并加热至超过自燃点，实现了无焰燃烧。
由于试验炉具有对称性，为节约模拟消耗，仅对1/4燃烧炉进行模拟。采用三维六面体结构化网格，经网格独立性分析，选用网格总数约60万。
本计算采用含氮详细反应机理并将燃烧氧化过程与氮转化过程耦合，以模拟煤粉无焰燃烧NOx生成。笔者对多种广泛使用的含氮详细反应机理进行了机理评估、发展与简化，发现PG2018机理相较于其他含氮详细机理在氮转化模拟精度方面具有显著优越性。笔者在保证模拟精度的条件下，基于PG2018机理发展和简化得到仅含35种组分和259步反应的骨架反应机理。本研究数值模拟中，使用该高精度骨架反应机理，并耦合DAC算法以实现计算加速，以应用于煤粉无焰燃烧模拟。
数值模拟基于Fluent平台。湍流模型采用标准k-ε模型，并将模型系数Cε1由1.44修正为1.60以提升圆管射流的预测精度。采用化学渗透脱挥发分(CPD)模型模拟挥发分析出。采用离散坐标法(DO)求解辐射传递方程，同时引入灰气体加权和(WSGG)气体辐射模型，WSGG模型中总发射率的空间变化是气体成分和温度的函数。采用涡耗散概念模型(EDC)耦合笔者团队自主发展的PG2018含氮骨架机理(35种组分和259步反应)模拟均相燃烧和燃料氮转化，采用ISAT算法，结合DAC算法实现计算加速。速度-压力耦合采用SIMPLE算法，方程离散采用高阶QUICK格式。
不同于传统半经验后处理方法对燃料型NOx生成的近似模拟，本文考虑挥发分与焦炭燃料氮析出并结合燃料氮转化机理(即PG2018含氮骨架机理)，进行耦合燃烧氧化反应和燃料氮转化的有限速率详细反应机理模拟。煤粉挥发分组成采用CPD模型计算，并考虑为CH4、H2、CO2、CO、NO和HCN六种组分。挥发分氮均考虑以HCN形式释放，焦炭氮以NO形式释放。焦炭燃尽模型采用动力学/扩散控制模型，该模型假设焦炭表面反应速率由动力学或扩散速率影响，燃烧过程中颗粒尺寸不变，密度变化。
2 模拟结果与讨论
2.1 基于动态自适应反应的煤粉无焰燃烧模拟与试验验证
通过将耦合ISAT-DAC算法的模拟结果与试验数据对比，可验证ISAT-DAC算法在煤粉无焰燃烧数值模拟中的准确性和适用性。本模拟与试验进行了基于炉内轴向速度、炉内温度、O2浓度、CO2浓度、CO浓度和NO浓度及烟气排放数据的对比验证。
总体而言，速度与温度场模拟结果与试验吻合较好。速度模拟偏差主要出现在0<z<0.1 m处，在燃料喷嘴出口附近的射流核心区(x/d=1.2)，轴向速度应保持为射流初始速度(约为65 m/s)，因此该试验测量值明显偏低。O2、CO2和CO组分浓度预测结果与试验值总体吻合较好。
图3 炉内轴向速度与温度的预测结果与试验数据对比
图4 炉内O2、CO2、CO浓度的预测结果与试验数据对比
基于ISAT-DAC算法的动态自适应反应NO模拟结果，与常规后处理模拟及试验数据的对比可知基于后处理方法得到的NO预测结果精度不高，在截面3且z≈0.3 m处对NO生成模拟偏高，而在截面4、5和6且0<z<0.4 m位置对NO生成预测偏低。相较而言，与基于含氮骨架机理耦合ISAT-DAC算法的NO预测结果与试验值吻合更好，可以更好地预测炉内各截面的NO生成情况。基于含氮骨架机理耦合ISAT-DAC算法的NO预测结果相比于后处理模拟精度更高，可从3方面解释：① 相比于常规总包反应机理，骨架反应机理可对煤粉燃料燃烧过程提供更精细地描述，可获得精度更高的温度和组分分布场；② 该含氮反应机理已经过详细验证，精度较高，而后处理模拟方法仅基于半经验模型，其精度有限；③ 相比于常规基于快速化学反应的EDM涡耗散燃烧模型，本模拟采用EDC涡耗散概念燃烧模型，可考虑湍流与反应交互过程进行有限速率反应模拟，可针对无焰燃烧的有限速率反应获得预测效果更好的结果。因此，ISAT-DAC算法相比于后处理方案可提升炉内NO模拟精度。
图5 炉内NO浓度的预测结果与试验数据对比
最后对比炉膛烟气出口试验数据与预测结果，排烟温度、烟气CO2、O2、CO和NO预测结果与试验值相对误差均在5%以内。
综合上述结果，本模拟炉内各监测面及炉膛出口的预测结果与试验数据吻合较好，模拟采用PG2018骨架机理及耦合的ISAT-DAC算法适用于煤粉无焰燃烧模拟，且相比常规NO后处理模拟方法提升了对燃料氮转化的模拟精度。
2.2 煤粉无焰燃烧燃料氮转化分析
基于已经过试验验证的模拟结果，进一步分析煤粉无焰燃烧燃料氮转化机理。温度与燃料氮转化过程密切相关，煤粉无焰燃烧过程具备较均匀的炉内温度分布。进一步观察发现，炉内存在2个主反应区，一处是由于燃料向下游喷射并与氧气混合、反应形成，另一处位于煤粉喷管处并由高温烟气回流产生。
图6 炉内温度分布
含氮详细(骨架)机理模拟方法可精确预测炉内NO分布，基于含氮骨架机理ISAT-DAC模拟和总包机理后处理模拟的NO分布云图显示：高浓度NO分布在给粉管四周的高温区，炉膛下游虽存在高温区，但NO与碳氢燃料发生的强烈还原反应使NO浓度降低。高浓度NO分布在给粉管出口位置，炉膛下游NO浓度预估偏低，与实际NO分布有偏差，不适于精确定量分析。
图7 炉内NO分布
基于含氮骨架机理ISAT-DAC算法的有限速率模拟，可得到机理中所包含的典型含氮中间组分在煤粉无焰燃烧过程的炉内分布情况。炉内HCN含量较高，HCN转化为NH3的量较少，NH3含量较低且峰值仅有约15×10-6，N2O生成量更低。HCN和NH3主要分布在给粉管出口处，均由煤粉脱挥发分而来，N2O分布在高温区周围并参与NO的生成与还原。
图8 炉内HCN、NH3和N2O中间组分分布
基于含氮骨架机理ISAT-DAC算法的有限速率模拟不仅可预测不同含氮组分的生成量和炉内分布，还可分析煤粉无焰燃烧过程中的燃料氮转化路径。煤粉无焰燃烧燃料氮转化路径显示，热力型NO生成受到显著抑制，燃料型NO生成主要取决于HCN、NH3和N2O中间体，且NCO和HNO是较关键的中间组分。HCN中间体主要通过HNCO/CN和NCO路径生成NO；NH3中间体由HNCO生成，并进一步转化为NH2、HNO，最终生成NO；N2O路径主要参与NO还原，对NO生成贡献较低。反应路径分析表明，CH3CN也是生成NO的重要中间组分，可通过NCO路径生成。
图9 煤粉无焰燃烧燃料氮转化路径
由于模拟过程中耦合动态自适应机理简化法(DAC)和当地自适应建表法(ISAT)来实现计算加速，可得到经动态自适应机理简化后的炉内活跃组分分布云图。即采用ISAT-DAC简化法，可以在模拟过程中准确识别炉内的主要反应区，简化后的主反应区最多仅保留32种组分，其他区域组分数为0(无反应区域)，从而节约计算成本。主反应区位于给粉管下游，煤粉经给粉管射出后与高温二次风相遇并发生燃烧反应，主反应区与高温区对应。炉膛上方处的活跃组分主要是由于高温烟气回流所致。
图10 炉内活跃组分分布
动态自适应机理简化法在去除对目标组分贡献较小的其余组分时，也去除了包含该组分的相关反应，从而得到炉内活跃反应分布云图。活跃反应较多的区域与活跃组分较多的区域对应，主反应区内最多保留了240步反应，弱反应区依次递减至80步反应，烟气区域反应数为0(即无反应发生)。
图11 炉内活跃反应分布
统计计算时间发现，相比于基于骨架反应机理(35种组分和259步反应)耦合ISAT算法的燃烧模拟，本模拟进一步结合DAC算法后，可获得约3倍的计算加速。因该骨架反应机理(35种组分和259步反应)相比于原PG2018详细反应机理(151种组分和1 397步反应)可获得约18.6倍加速效果。即采用骨架反应机理耦合ISAT-DAC算法，相比于原PG2018详细反应机理可实现近55倍的计算加速，且未牺牲计算精度。
3 结 论
1）本文基于IFRF 0.58 MW燃烧炉进行了煤粉无焰燃烧的含氮骨架机理有限速率模拟，考虑了燃烧过程中的湍流-化学-氮转化反应交互，并进一步耦合动态自适应反应机理简化法来实现计算加速。炉内监测面及炉膛出口的温度、速度、O2浓度、CO2浓度、NO浓度预测结果与试验数据吻合较好，验证了PG2018骨架机理及ISAT-DAC算法在煤粉无焰燃烧模拟中的准确性和适用性。且耦合DAC算法相较采用骨架机理模拟可实现近3倍的计算加速，相较采用详细反应机理可实现近55倍加速效果。
2）对煤粉无焰燃烧燃料氮转化特性和含氮关键中间组分的研究表明，NO生成主要取决于HCN、NH3和N2O中间体，且NCO和HNO是较为关键的中间组分。HCN中间体主要通过HNCO/CN和NCO路径生成NO；NH3中间体由HNCO生成，并进一步转化为NH2、HNO，最终生成NO；N2O路径主要参与NO还原，对NO生成贡献较低。反应路径分析还表明，CH3CN也是生成NO的重要中间组分，可通过NCO路径生成NO。
3）基于经试验验证的煤粉无焰燃烧燃料氮转化模拟结果，本研究首次获得了炉内燃料氮迁移转化的含氮关键中间组分(HCN与NH3)分布及活跃组分与活跃反应分布，可为NO减排技术的发展提供参考，如根据炉内温度与组分分布，针对性地提高炉内NO再燃与选择性非催化还原(SNCR)效果等。
请扫描下方二维码或点击“阅读全文”查看“煤炭清洁高效转化理论与技术”专刊文章
刘璐,李鹏飞,成鹏飞,等.基于动态自适应反应的煤粉无焰燃烧燃料氮转化机理研究[J].洁净煤技术,2021,27(4):123-131.
LIU Lu,LI Pengfei,CHENG Pengfei,et al.Study on fuel nitrogen conversion mechanism in flameless combustion of pulverized coal based on dynamic adaptive chemistry[J].Clean Coal Technology,2021,27(4):123-131.