《Journal of the Energy Institute》：A Review of Hybrid Computational Fluid Dynamics and Machine Learning Approaches for the Combustion of Alternative Fuels
埃文斯·K·夸耶（Evans K. Quaye）|潘建峰（Pan Jianfeng）|范宝伟（Fan Baowei）|卢青波（Lu Qingbo）|张毅（Zhang Yi）|姜超（Jiang Chao）|李中家（Li Zhongjia）|杨文明（Yang Wenming）
中国江苏省镇江市江苏大学能源与动力工程学院，邮编212013
摘要
向清洁燃料的转型对于实现全球脱碳目标至关重要。然而，这些燃料的复杂燃烧建模和优化带来了重大挑战。传统的建模方法（如计算流体动力学CFD）虽然准确且基础扎实，但在计算成本、可扩展性和燃烧系统仿真精度方面存在局限性。本文旨在评估将CFD与机器学习（ML）结合应用于三种关键替代燃料的燃烧过程中的挑战及潜在变革作用，这些燃料是实现可持续能源未来的关键：氢气、氨和生物燃料。研究表明，包括人工神经网络（ANN）、高斯过程和强化学习在内的ML技术能够通过加速燃烧过程和揭示燃料特性来补充CFD的工作流程。案例研究表明，CFD-ML混合模型可将计算速度提高约两个数量级，而不会显著影响精度。这使得燃烧过程能够实现实时优化，减少NOx生成，降低未燃烧氨的排放，并解决生物燃料产生的烟尘问题。尽管取得了这些进展，但仍存在一些未解决的问题，例如高压条件下的数据稀缺性、所谓“黑箱”ML模型的可解释性以及工业应用中的可扩展性差距。本文提出了基于物理原理的ML模型、数字孪生技术以及关键的算法选择标准，这些对于成功将ML整合到CFD燃烧研究中至关重要。这种跨学科的融合已被证明是燃烧研究中的有效工具，有助于加速碳中性能源系统的设计。因此，本研究利用CFD-ML的协同作用，为发电、航空和重工业领域的可持续燃烧技术建模提供了支持。
部分摘录
引言
在现代流体工程中，计算流体动力学（CFD）已成为一种强大的工具，它利用数值方法在预定义的边界条件下求解流体运动控制方程，并分析与流体相关的问题。新能概念的计算开发必须基于仿真方法，以推动技术进步并提供可靠的预测[1]。通过将复杂几何体离散化为计算网格，CFD能够……
燃烧科学中的计算建模
燃烧科学是能源可持续性、环境保护和先进系统（如推进技术）的交汇点。近年来，开发低碳和零碳能源系统的需求日益迫切，因此计算建模已成为这一努力的核心，使得通过独立实验方法无法实现的燃烧过程得以虚拟设计、优化和深入理解。
清洁燃烧与替代燃料
清洁能源燃烧（CEC）指的是在控制燃料（如氢气、氨和合成替代品）利用的同时，尽量减少对环境的影响，特别是温室气体排放和颗粒物。通过用碳中性或零碳替代品替换或混合传统化石燃料，CEC符合全球脱碳目标和政策制定者制定的严格排放法规[64]。这些燃料的燃烧特性……
机器学习在燃烧科学中的应用
由于数据量的增加，机器学习已成为一种变革性工具，能够补充传统的燃烧科学研究方法（图7）。它能够从大型数据集中提取模式，从而实现对传统方法难以模拟或计算成本高昂的燃烧过程进行建模[182]。将ML与CFD结合使用，在改进燃烧系统方面具有巨大潜力。
混合CFD-ML集成：替代燃料的方法论与框架
许多ML在CFD领域的突破源于更广泛的流体力学领域，而其在燃烧科学中的直接应用仍处于早期阶段。这意味着将ML与CFD结合用于燃烧研究仍是一个新兴的研究前沿[223]。这种集成特别有助于应对燃烧建模中的计算挑战。正如小林等人[28]指出的，传统的CFD方法通常依赖于简化的化学机制和各种……
混合方法的局限性与未来方向
混合CFD-ML框架的主要障碍之一是理解ML预测结果，因为ML模型往往像“黑箱”一样难以解释。赵等人[260]通过应用SHAP分析来解码其焦炭制造模型中的特征重要性，发现煤的混合比例和炉壁温度是预测热传递的关键因素。这些可解释性工具对于燃烧应用同样至关重要，因为它们有助于理解各种因素如何影响燃烧过程。
CRediT作者贡献声明
杨文明（Yang Wenming）：撰写初稿、监督、正式分析。卢青波（Lu Qingbo）：可视化、验证、调查、正式分析。张毅（Zhang Yi）：撰写、审稿与编辑、方法论、正式分析。姜超（Jiang Chao）：可视化、验证、调查、数据管理。李中家（Li Zhongjia）：可视化、项目管理、数据管理。埃文斯·K·夸耶（Evans K. Quaye）：撰写初稿、方法论、调查、正式分析、概念构建。潘建峰（Jianfeng Pan）：监督、资源调配、资金支持
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了国家自然科学基金（项目编号52276117）的财政支持。
