迈向可持续且可解释的双燃料柴油发动机建模:基于SHAP的氨、生物气与氢气燃烧动态评估

《ENERGY CONVERSION AND MANAGEMENT》:Towards sustainable and explainable dual-fuel diesel engine modeling:a SHAP-Based evaluation of Ammonia, Biogas, and hydrogen combustion dynamics

【字体: 大 中 小 】 时间:2026年01月08日 来源:ENERGY CONVERSION AND MANAGEMENT 11.8

编辑推荐:

  巴斯科尔·乔蒂·博拉|普拉巴卡尔·夏尔马 印度阿萨姆邦西瓦萨加尔校区拉吉夫·甘地石油技术学院机械工程系,邮编785697 摘要 由于燃烧更清洁且具有脱碳潜力,气体燃料在内燃机发电领域越来越受到重视。本研究探讨了以氢气、生物气及氨气为主要燃料、柴油作为引燃燃料的双燃料

  巴斯科尔·乔蒂·博拉|普拉巴卡尔·夏尔马
印度阿萨姆邦西瓦萨加尔校区拉吉夫·甘地石油技术学院机械工程系,邮编785697

摘要
由于燃烧更清洁且具有脱碳潜力,气体燃料在内燃机发电领域越来越受到重视。本研究探讨了以氢气、生物气及氨气为主要燃料、柴油作为引燃燃料的双燃料柴油机的性能、燃烧特性及排放情况。在满负荷运行时,氢气、生物气及氨气的制动热效率分别为25.11%、19.25%和17.33%,而仅使用柴油时的制动热效率为23.11%。相应的液体燃料替代比例分别为79%、76.1%和69%,显示出大幅减少化石燃料使用的巨大潜力。燃烧分析表明,与氢气相比,生物气和氨气的点火延迟时间更长,分别为46.25%和56.25%。排放测试结果显示,氢气的CO和HC排放量最低,但NOx排放水平高于其他燃料。同时,研究还建立了线性回归、极端梯度提升以及梯度提升回归树等监督机器学习模型,用于预测制动热效率、液体燃料替代比例、气缸压力峰值以及CO、HC、NOx等排放物浓度。基于树的集成模型相较于线性模型表现更好,能够有效捕捉发动机负荷和燃料低热值对发动机运行的非线性影响。其中梯度提升回归树在预测制动热效率(R2=0.9933)和CO排放(R2=0.9965)方面准确度最高,而极端梯度提升模型在预测气缸压力峰值(R2=0.9898)方面表现最佳。通过SHAP可解释人工智能分析发现,发动机负荷是影响性能与排放的关键因素。总体而言,实验与机器学习相结合的研究方法证明了氢气是一种极具前景的双燃料候选材料,同时也展现了梯度提升回归树在双燃料燃烧系统预测优化方面的强大能力。

引言
柴油机主要应用于发电和交通运输领域。通常情况下,柴油机以化石燃料为动力,单独使用液体燃料,或在双燃料模式下同时使用液体燃料和气体燃料。然而,化石燃料储量主要集中在世界特定地区,这导致发展中国家和欠发达国家需支付较高的进口关税[1]。鉴于化石燃料储量有限、酸雨和温室效应等环境问题、价格波动以及地缘政治形势,人们开始寻求替代性的清洁非传统能源[2]。为此,全球范围内出台了多项政策,如《巴黎气候协定》COP21、可持续发展目标、碳中和目标等[3]。

气体燃料因其较高的氢碳比,在内燃机中产生的排放物更少,因此被视为未来应用的理想燃料[4]。已有不少研究针对使用乙炔、氨气、生物气、压缩天然气、氢气、液化石油气、甲烷、生产气及合成气等各种气体燃料的柴油机进行了性能与排放研究[5]。其中,氨气、生物气及氢气被认定为可在多种能源应用场景中替代传统燃料的优质选择,尤其是在交通运输和发电领域。氨气是一种可再生燃料,有助于实现低碳排放目标。它是一种无色、有刺激性气味且呈碱性的气体[6],由一个氮原子和三个氢原子组成,可作为氢气载体[7]。其体积能量密度是氢气的三倍[8],且储存条件更为便利,因为相较于氢气,氨气可在较低温度和压力下储存[9]。由于其反应性较低,氨气的危险性也相对较小[10]。刘等人[11]研究了双燃料发动机中氨气替代率的影响,发现双燃料模式虽能降低二氧化碳排放,但会延长点火时间,扩大预混燃烧区域,导致未燃烧的氨气残留在缝隙中。较低温度有助于减少氮氧化物生成,但过晚的部分氧化又会生成一氧化二氮,抵消部分减排效果。刘等人[12]则测试了含不同比例氨气与普通汽油的汽油发动机,发现高比例氨气混合使用可避免爆震,同时扩大合适的点火提前角范围,从而降低热量损失,提高热效率。

生物气是一种可再生燃料,主要由甲烷和二氧化碳组成,其余成分还包括少量氮气、硫化氢、水蒸气及一氧化碳[13]。它也被称作牛粪气、沼气、湿地气、污水气及堆肥气[14],是通过生物质厌氧消化产生的[15]。生物气是处理城市垃圾、农业废弃物及医疗废物的有效方式[16]。有多项研究探讨了在双燃料模式下将生物气用于柴油机的问题。汗等人[17]使用富含生物气的生物氢混合物作为引燃燃料,搭配生物柴油作为主燃料,运行双燃料柴油机,结果发现这种组合提升了制动热效率并降低了排放。通过响应面法优化后,最优燃料配比为生物气8–12%、生物氢10–14%,此时制动热效率可达39.50%,制动比燃油消耗率为156.73克/千瓦时,CO排放量为0.39克/千瓦时,碳氢化合物排放量为13.2克/千瓦时,氮氧化物排放量为108.02克/千瓦时。其中生物氢因火焰传播速度更快、点火延迟更短而作用最为显著,其次是生物气,它能提供氧气,有助于实现更清洁、更安全且可持续的运输方式。德万甘等人[18]则尝试将废旧轮胎热解产生的生物柴油、生物气及氧氢混合气体用于双燃料柴油机。他们在多缸变速发动机上测试了20%轮胎热解油与柴油及其他燃料的混合使用效果,发现单独使用热解油会降低燃烧质量和效率,增加碳氢化合物和氮氧化物排放,同时降低CO排放。再加入生物气则会进一步恶化燃烧状况,增加碳氢化合物和CO排放,但能降低氮氧化物含量。而引入绿色氢气则能扭转这一趋势:气缸压力峰值和热量释放率可提高6–10%,制动热效率提高16–20%,制动比燃油消耗率降低5–7%,碳氢化合物排放量下降13–16%,CO排放量减少11–13%,不过氮氧化物排放量会增加6–9%。

氢气被誉为“未来燃料”[19],因为它具有高热值、较宽的燃限、较高的火焰传播速度,燃烧时不会产生碳排放,而且可以通过可再生能源制取[20]。氢气可通过水电解、生物质气化、暗发酵、光发酵、生物光解及光催化等方法制得[21]。陈等人[22]研究了稀燃模式下直接喷射氢气的性能与燃烧特性,发现这种喷射方式能提高效率、改善空气与氢气的分层状态,并降低碳排放。经过验证的3D瞬态模型显示,在B位置以60°角度喷射氢气时,制动热效率可达41%,指示功率为4.29千瓦,氮氧化物排放量符合欧V标准。卢等人[23]对纯氢发动机的气体燃料喷射策略进行了数值研究,发现直接喷射配合稀燃模式比端口喷射效果更好,因为在火花塞附近能形成分层混合气,从而避免出现导致快速热量释放的过富区域。适当延迟氢气喷射时机可进一步提升发动机功率,最佳喷射时机为上止点前100曲轴角度,此时制动热效率可达40.52%,指示平均有效压力为0.498兆帕。总体而言,理想的喷射策略能在满足严格排放标准的同时,兼顾燃烧效率与动力输出。王等人[24]指出,在纯氢发动机中,只有当喷射控制精确到位时,直接喷射配合稀燃模式才能发挥最佳效果,这样能在火花塞附近形成不过于富有的分层混合气,进而提升效率并降低排放。经过验证的3D模型对比了端口喷射与直接喷射的不同效果,以及不同喷射时机的影响,结果表明直接喷射优于端口喷射。在直接喷射模式下,适当延迟喷射时机可提升功率,最佳时机为上止点前100曲轴角度,此时可实现40.52%的制动热效率及0.498兆帕的指示平均有效压力,同时氮氧化物排放量也能控制在严格标准范围内。

近期研究表明,要根据喷射参数、负荷及压缩比等因素选择最佳运行工况十分困难,因为单独分析每个因素需要很长时间,且所得结果往往不足以用于精准预测[25]。以数据为中心的建模方法则是一种可行的解决方案:现代机器学习框架可以直接从实验数据中获取燃烧与排放行为特征,进而高精度地模拟或预测发动机运行状况[26][27][28]。近年来,有不少研究人员尝试将不同的机器学习方法应用于双燃料发动机研究。白等人[29]使用了支持向量机、随机森林、决策树以及多元线性回归模型,对小麦胚芽油与氢气混合使用的双燃料发动机进行性能预测,其中多元线性回归模型的预测精度最高。贾梅伊等人[30]则采用了额外树回归、极端梯度提升及轻量级梯度提升机器模型,对农业用发动机的效率与排放数据进行预测,同时运用SHAP框架分析输入参数对发动机性能与排放的影响。研究发现,XGBoost与SHAP的结合模型在预测性能方面优于轻量级梯度提升模型及额外树回归模型,其各项指标分别为RBTE=0.994、RMSEBTE=0.567,RPP=0.984、RMSEPP=0.846,RHC=0.994、RMSEHC=6.215。还有些研究使用了人工神经网络、基因表达编程、高斯过程回归、Huber回归等多种非参数预测方法,应用于双燃料发动机及相关点燃式发动机的研究中[31][32]。发动机及替代清洁燃料领域的研究者们正在积极探索可解释的机器学习方法[33]。透明化的建模方式能够揭示异常预测的成因及潜在故障模式,从而提升安全性与可靠性;同时,它还能让决策依据更加清晰,便于遵守排放与燃油经济性相关标准,此外,通过可追溯的决策过程,还能增强各方的信任度。可解释算法还能帮助工程师筛选出最关键的影响因素,优化工作流程,从而减少污染、提升效率并降低燃料消耗。此外,它们还能帮助研究人员深入分析生物气发动机的数据,为未来的实验研究提供有力支持。

氨气、生物气及氢气等气体燃料在满足清洁发展机制的要求方面具有巨大潜力。但目前关于这类燃料在双燃料发动机中的应用研究尚不多见,缺乏基于性能、燃烧特性及排放指标的对比分析。此外,将实验研究成果与可靠的人工智能技术相结合,用于分析这类燃料驱动的双燃料柴油机性能的研究也极为有限。本研究旨在探讨以氨气、生物气及氢气作为主要燃料为双燃料发动机提供动力的可能性,通过实验数据从性能、燃烧特性及排放三个方面对这些燃料进行对比分析。实验所用的发动机为单缸水冷式双燃料发动机,可调节发动机负荷。实验中设置了20%、40%、60%、80%及100%五种负荷等级,压缩比为17.5,引燃燃料喷射压力为200巴,引燃燃料选用柴油。

为了构建并测试线性回归、XGBoost及梯度提升回归树等监督机器学习模型,以便精准预测发动机的性能指标(如制动热效率、液体燃料替代比例、气缸压力峰值)及排放物浓度(CO、HC、NOx),同时找出能够有效捕捉非线性负荷-燃料相互作用的方法,确保模型在各类指标预测上的准确性,本研究还采用了基于SHapley加性解释的可解释机器学习方法,以提高模型的透明度。本研究的意义在于构建了一种将实验研究成果与可靠人工智能技术相结合的框架,可用于分析氨气、生物气及氢气等气体燃料在双燃料发动机中的性能表现。

测试装置
印度梅达维汽车研究中心提供了额定功率为3.52千瓦的双燃料测试装置,其结构如图1(a)和(b)所示。该双燃料测试装置由一个单缸水冷发动机构成,配有两个喷射系统,一个用于液态燃料(引燃燃料),另一个用于气态燃料(主燃料)。用于液态燃料的喷射器是一种机电装置,用于将燃料注入燃烧室。注入燃烧室的燃料量根据测试矩阵中的要求,在不同负荷下进行初始测试。之后,测试发动机在三种不同的主燃料条件下运行:氢气、沼气和氨气,而在DFM模式下则使用柴油作为引燃燃料。

每项实验研究都存在一定的误差。图2展示了DM模式和DFM模式下的相对误差及不确定性。在不确定性分析中采用了扰动技术[34]。

通过逐步增加负荷来测试DFE的运行情况,如图3所示,三种测试情况下的BTE值均有所上升。在双燃料运行模式下,氢气的BTE值最高,其次是沼气,然后是氨气。在满负荷条件下,DFM模式下氢气、沼气和氨气的BTE值分别为25.11%、19.25%和17.33%,而DM模式下的相应数值为23.11%。这可能是由于氢气的热值高于氨气和沼气所致。此外……

本研究旨在了解以三种不同主燃料为动力的双燃料引擎的性能。研究中考虑的主燃料为氨气、沼气和氢气,而引燃燃料则为柴油。

在满负荷条件下,DFM模式下氢气、沼气和氨气的BTE值分别为25.11%、19.25%和17.33%,而DM模式下的相应数值为23.11%。

作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

**作者贡献说明**
Bhaskor Jyoti Bora:撰写——审阅与编辑、撰写——初稿、验证、监督、软件、资源、方法论、研究、正式分析、数据整理、概念构建。Prabhakar Sharma:撰写——审阅与编辑、撰写——初稿、可视化、验证、监督、软件、资源、项目管理、方法论、研究、概念构建。

**利益冲突声明**
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号