《International Journal of Hydrogen Energy》:Machine learning-based prediction of combustion behavior in HCCI engines using hydrogen-rich fuels
编辑推荐:
作者: Lv Xiaona | Babu Bachina Harish | Wang Yuan
中国开封市黄河水利职业技术学院电气工程学院,邮编475004
摘要
本研究探讨了使用含有氢气的废弃物衍生燃料混合物,在均质混合压缩点火(HCCI)模式下运行的柴油机的性能、燃烧特性
作者: Lv Xiaona | Babu Bachina Harish | Wang Yuan
中国开封市黄河水利职业技术学院电气工程学院,邮编475004
摘要
本研究探讨了使用含有氢气的废弃物衍生燃料混合物,在均质混合压缩点火(HCCI)模式下运行的柴油机的性能、燃烧特性和排放特性。通过进气预热、先进的燃油喷射时机以及以10升/分钟的速率添加氢气来实现HCCI模式。结果表明,在峰值HCCI负载(4.682千瓦)时,W50P50H混合物的燃烧热效率(BTE)达到了31.5%,而同样负载下W50P50混合物在传统压缩点火(CI)模式下的BTE仅为29.5%。HCCI模式最显著的优势在于减少了NOx排放,W50P50H混合物的NOx排放量减少了70%。此外,在HCCI模式下,烟雾排放几乎被完全消除。由于燃油-空气混合的改善和燃烧特性的提升,CO和HC排放量平均也减少了15-20%。同时,开发了一个人工神经网络(ANN)模型来预测发动机性能参数,该模型对BTE、燃油消耗率(BSFC)、CO和NOx的预测R2值分别为0.979-0.998。
引言
压缩点火(CI)发动机在交通运输中仍然具有重要地位,因为它们具有较高的热效率。然而,传统的扩散控制柴油燃烧方式会导致氮氧化物(NOx)和烟尘/烟雾排放问题[1]。因此,均质混合压缩点火(HCCI)受到了广泛关注。HCCI是一种先进的低温燃烧策略,它依赖于预混燃料的自燃,并通过避免局部富燃料的高温火焰区来抑制NOx和烟尘的生成[2,3]。尽管具有这些优势,但HCCI的实现仍然具有挑战性。为了有效实现HCCI,需要精确控制点火时机,因为燃烧的开始受化学动力学控制,而非像火花点火(SI)发动机那样的直接触发,这使得其对温度-压力和燃料化学性质非常敏感[4]。因此,控制燃烧相位和扩展稳定的工作/负载范围仍然是关键难点。此外,在低温条件下,如果混合气制备或相位控制不当,未完全氧化可能会增加CO和HC的排放[2,3]。
随着燃烧模式的发展,用可持续和废弃物衍生燃料替代石油柴油的压力日益增大。生物柴油是一个重要的候选燃料,因为它可再生且能够减少多种污染物[5,6]。然而,其物理化学性质(密度/粘度和热值)与柴油不同,这可能会影响喷射、燃烧和排放。此外,生物柴油-HCCI运行仍需仔细调整进气温度、EGR(废气再循环)和喷射策略等参数[7,8]。此外,从废弃物塑料中提取的热解油也被广泛讨论作为替代液体燃料,因其具有类似柴油的特性和足够的热值。然而,其成分的变异性以及挥发性/粘度的限制可能会影响性能和排放。这种行为促使人们研究混合燃料和燃烧控制方法[9]。
最近的研究表明,将生物柴油与热解油结合,并在HCCI模式下使用气体燃料进行预混燃烧是可行的。这样做同时提高了废弃物衍生液体的利用效率。例如,实验表明,基于生物柴油的热解油混合物在HCCI模式下与气体燃料一起使用时,整体发动机性能优于单独使用热解油[9,10]。文献指出,HCCI的性能在很大程度上取决于对上止点(TDC)附近低温和高温热释放的控制能力。这是因为过早的相位控制会导致压力上升过快,而过晚的相位控制则可能引发失火和高未燃排放[11]。添加氢气已被提出作为一种有效的动力学辅助方法,它可以在最适合的条件下改变混合物的反应性和燃烧相位。然而,氢辅助HCCI仍需仔细校准关键控制参数,以避免燃烧不稳定、压力上升过快或负载范围受限的问题。除了实验研究外,数据驱动的预测方法在先进燃烧研究中也越来越普遍,因为它可以减少绘制性能和排放曲线所需的昂贵实验点数量[9]。机器学习模型已被应用于由生物柴油-热解油混合物驱动的HCCI发动机,能够高精度地预测性能和排放结果,支持其作为优化过程中的快速筛选工具[12, [13], [14]]。
本研究考察了使用废弃食用油(WCO)生物柴油和塑料热解油(PPO)混合物的柴油机,在传统点火(CI)和氢辅助HCCI条件下的运行情况。研究采用了进气预热和先进的喷射时机来实现低等级、高粘度废弃物衍生液体的HCCI运行,并通过添加氢气来增强混合物的反应性和稳定体积自燃,旨在提高效率,同时减少NOx和烟雾排放,这与现有文献中报道的HCCI的优势和控制挑战相一致[2,11]。最后,开发了一个基于ANN的预测框架来模拟关键性能和排放指标,符合利用机器学习进行HCCI发动机参数预测 and 减少实验负担的趋势[9]。
据我们所知,关于在传统CI和氢辅助HCCI模式下,对废弃食用油生物柴油-塑料热解油混合物进行实验和基于ANN评估的结合,在现有文献中关注较少。以往的研究主要集中在HCCI模式下使用热解油混合物与气体燃料[9]、HCCI发动机输出的机器学习预测[12,13]以及富含氢气的生物柴油燃烧[39],但尚未有将CI与HCCI-H?相结合的数据集,以及同时在这两种模式下使用运行模式作为显式输入特征进行训练的ANN的研究。本研究旨在填补这一空白。
章节摘录
燃料制备与表征
本研究中使用的燃料包括柴油、废弃食用油生物柴油(WCO)和塑料热解油(PPO)。废弃食用油从当地餐馆获取。图1展示了研究流程。所有收集的废弃物都经过清洗,并通过两步酯交换过程转化为生物柴油。由于WCO中含有较高的游离脂肪酸,因此采用了两步酯交换工艺。首先使用1%体积比的硫酸和甲醇进行酸催化酯交换,以减少游离脂肪酸。
CI模式
图3(a)展示了柴油及其各种混合物在CI模式下的燃烧热效率(BTE)随燃烧压力(BP)的变化。所有测试燃料的BTE随负载的增加而持续增加。对于纯柴油,BTE从1.2千瓦时的17.3%上升到2.5千瓦时的27.0%,在全负载时达到31.25%的峰值。这一趋势是预期的,因为发动机在较高负载下的机械效率有所提高。这是因为摩擦功率大致保持不变,因此其比例相对
整体模型性能
尽管实验观测数据量有限(28个观测值),建立的ANN模型在所有四个发动机性能参数上都表现出良好的预测能力。留一法交叉验证结果的R2值分别为BTE为0.9980、BSFC为0.9898、CO为0.9790、NOx为0.9944。这些值表明模型捕获了测量实验数据97.9%至99.8%的变异。图11和图12显示了各种参数的ANN模型结果
结论
本研究评估了WCO生物柴油和塑料热解油混合物在CI和HCCI-H?燃烧模式下的性能。HCCI-H?模式下的运行结果显示,BTE提高了4.0%,燃油消耗率(BSFC)降低了14%,排放显著减少,NOx和烟雾排放量减少了70%。在CI模式下,生物柴油混合物使CO和烟雾排放量分别减少了12.8%和23.5%,但NOx排放量显著增加。基于5-16-8-1架构的ANN模型准确预测了BTE、BSFC和CO等参数
CRediT作者贡献声明
吕晓娜:撰写 – 初稿撰写,概念构思。Bachina Harish Babu:撰写 – 审稿与编辑。王元:撰写 – 审稿与编辑,指导。
写作过程中使用生成式AI和AI辅助技术的声明
在准备本手稿的过程中,作者使用了生成式AI工具来辅助改进文本的语言、可读性和清晰度。所有由AI生成的建议都经过了作者的仔细审查和编辑。作者对本文的内容负全责。
利益冲突声明
作者声明不存在任何可能影响本文工作的已知财务利益或个人关系。
致谢
本研究部分得到了开封市科学技术攻克关键问题项目(项目编号2501025)和开封市软科学研究计划项目(项目编号2504013)的支持。