《ChemPhysChem》:The Importance of Thermodynamic Data for Pyrrole Pyrolysis and Combustion Chemistry
编辑推荐:
在本研究中,研究人员利用ORCA 6.1.1中的CCSD(T)/Extrapolate(3/4,def2)//PBE0/def2-QZVP理论级别计算了298.15 K下与吡咯热解和燃烧相关的32种物种(包括自由基和稳定分子)的生成焓和生成熵。比较结果揭示了诸
在本研究中,研究人员利用ORCA 6.1.1中的CCSD(T)/Extrapolate(3/4,def2)//PBE0/def2-QZVP理论级别计算了298.15 K下与吡咯热解和燃烧相关的32种物种(包括自由基和稳定分子)的生成焓和生成熵。比较结果揭示了诸如烯丙氧基氰(allyloxy cyanide)、顺式甲亚胺基(cis-formimidoyl)、氰基亚甲基(cyanomethylidyne)、氰基丙烯-2-基自由基(cyano-propen-2yl radical)、氰基丙烯-4-基自由基(cyano-propen-4yl radical)、羰基氰(carbonyl cyanide)和丙腈伯自由基(propionitrile primary radical)等物种的热化学数据存在重大差异。研究人员评估了本工作计算的热化学数据对Pelucchi等人(Energy & Fuels, 2021)和Konnov等人(Proceedings of the Combustion Institute, 2024)机理性能的影响。结果发现,更新的热化学数据改善了吡咯热解过程中某些物种(如氰化氢(hydrogen cyanide)和乙炔(acetylene))的摩尔分数预测。然而,对于乙腈(acetonitrile)等物种,在吡咯热解和燃烧(φ=0.5、1和2)过程中观察到相反的预测性能恶化趋势。在某些情况下,一个模型的性能得到改善,而另一个模型的性能则恶化。因此,本研究揭示了未来吡咯燃烧化学模型同时提高热力学参数和反应参数准确性的重要性。
吡咯(pyrrole)是含氮杂环的最小的分子,也是非木质纤维素生物质(如藻类、粪便、厨余垃圾和污水污泥)在燃烧、气化或热解过程中生成多种含氮物种的关键燃料氮中间体。准确描述吡咯的热解与燃烧化学对预测污染物形成至关重要。然而,化学动力学模型的预测能力不仅依赖于反应速率参数,也依赖于热力学数据的准确性。热力学数据用于计算反应平衡常数与逆向速率常数,并直接影响燃烧模拟中系统温度和物种浓度的预测。尽管已有研究表明热力学参数对碳氢燃料燃烧模型具有重要影响,但对于含氮杂环物种,尤其是吡咯机理中所涉及的物种,可靠的热化学数据仍然非常稀缺。Wang等人虽然评估了283种稳定含N物种的热力学性质,但未包含自由基,而针对吡咯详细机理的高水平量子化学计算此前尚无报道。因此,本研究旨在系统补全吡咯热解与燃烧模型中关键物种的热化学数据,并量化新数据对现有模型预测性能的影响。
研究人员选取了Pelucchi等人(Energy & Fuels, 2021)机理中列出的与吡咯燃烧相关的关键物种,利用ORCA 6.1.1程序,在CCSD(T)/Extrapolate(3/4,def2)//PBE0/def2-QZVP理论水平下,对32种物种(包括自由基和稳定分子)进行了量子化学计算。具体而言,在PBE0/def2-QZVP水平下优化几何结构并计算简谐频率,随后在CCSD(T)水平下结合自动基组外推(Extrapolate(3/4,def2))得到高精度总能量,采用原子化法确定298.15 K下的生成焓(H
298)和生成熵(S
298)。随后利用FITDAT工具生成300–5000 K范围内的NASA多项式系数,并将这些热力学参数分别替换到Pelucchi等人和Konnov等人(Proceedings of the Combustion Institute, 2024)的化学动力学机理中。模型性能的验证采用ANSYS CHEMKIN-PRO中的全混流反应器(PSR)模型,模拟了Pelucchi等人在Nancy常压射流搅拌反应器(JSR)中获得的吡咯热解及燃烧(φ=0.5、1和2)实验数据。此外,还使用Cantera 2.6.0进行了生成焓敏感性分析,以探究预测变化背后的热力学驱动因素。
### Thermodynamic Parameters(热力学参数)
通过与文献数据对比发现,本工作计算的大多数H
298和S
298值与已有数据吻合良好,尤其与近期Wang等人和Konnov等人发表的值一致。然而,若干物种表现出显著差异。例如,烯丙氧基氰(allyloxy cyanide)因其结构异构问题,其H
298与Pelucchi等人数据相差约44.18 kcal/mol;顺式甲亚胺基(cis-formimidoyl)和氰基亚甲基(cyanomethylidyne)的偏差分别约12.2和10.37 kcal/mol,但两者均与Burcat数据库吻合。氰基丙烯-4-基自由基(cyano-propen-4yl radical)、羰基氰(carbonyl cyanide)、氰基丙烯-2-基自由基(cyano-propen-2yl radical)和丙腈伯自由基(propionitrile primary radical)的H
298偏差在5.67至9.42 kcal/mol之间。S
298的最大偏差出现在氰基丙烯-4-基自由基(约5.9 cal/mol-K)和羰基氰(约5.68 cal/mol-K)上,其余物种的S
298均在4 cal/mol-K以内。这些结果表明,部分物种在原机理中的热化学参数存在较大误差,可能影响模型预测。
### Changes in Model Performance(模型性能变化)
将更新的热力学数据整合至两个机理后,针对JSR实验数据进行了系统验证。对于吡咯热解,HCN和C
2H
2的摩尔分数预测在两个模型中均获得边际改善;而CH
3CN的预测在更新后反而变差。对于燃烧条件(φ=0.5、1和2),模型性能表现出复杂的非单调变化:例如在φ=0.5时,Konnov模型对C
2H
4的预测显著改善,但Pelucchi模型对CH
2CHCN的预测出现明显不准确;在φ=1时,Konnov模型对CH
3CN的预测有所改善,但C
2H
4和CH
2CHCN的变化不明显。总体而言,热力学数据更新对两种模型性能的影响是选择性的:部分物种预测精度提高,部分则下降,且两个模型并非同步变化。
### Sensitivity Analysis(敏感性分析)
为了解释上述现象,研究人员对吡咯和乙腈的摩尔分数进行了生成焓敏感性分析。在1100 K