面向工业裂解炉NOx减排的MILD燃烧过程数值模拟研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    21908058
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    B0806.介科学与智能化工
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

With the rising demand for environmental protection, NOx reduction in large scale steam cracking furnaces has become the most important goal of the development of the domestic petrochemical industry. A direct way of NOx reduction is to improve the combustion process in the furnace. MILD combustion is a type of flameless combustion mode under low oxygen concentration condition. It has the advantages of more uniform temperature, higher thermal efficiency and more than 50% NOx reduction over traditional combustion mode and is therefore considered as the most promising combustion technology in the 21st century. However, industrial applications of the MILD combustion are still quite limited due to the big difference between MILD and the traditional combustion mode. The origin and evolution of MILD combustion is still far from well understood. This project investigates the turbulence-reaction interaction of MILD combustion by means of computational fluid dynamics (CFD) simulations to provide better understanding of the MILD combustion characteristics as well as its NOx reduction mechanism. A CFD-based model which can accurately describe the important characteristics of MILD combustion will be established and used for numerical simulations of MILD combustion in large scale industrial steam cracking furnaces to investigate the key factors and operating range to realizing MILD combustion in such furnace. Moreover, the effects of different operating variables on NOx reduction and furnace thermal efficiency will also be studied to provide theoretical and practical guidance for combustion process improvement, which allows to increase thermal efficiency and reduce NOx emission in steam cracking furnaces.
随着国家对环保要求的不断提高,大型工业裂解炉的NOx减排已经成为国内石化行业的重要目标,其中最直接有效的方法是改进和优化炉膛内的燃烧过程。MILD燃烧是低氧稀释条件下的一种无焰燃烧模式,相比传统燃烧更加均匀高效,并且可以有效减少NOx排放达50%以上,被誉为21世纪最具潜力的新型燃烧方式之一。然而MILD燃烧的特征与传统燃烧差别很大,燃烧过程的发生和演变机制尚未被完全理解,因此限制了其工业应用。本项目拟采用计算流体力学方法,重点研究MILD燃烧的湍流-化学反应相互作用,对MILD燃烧特性和NOx减排机制进行阐释,从而建立能够准确模拟MILD燃烧的计算流体力学模型。在此基础上对工业裂解炉进行数值模拟,重点探究裂解炉内实现MILD燃烧的主要影响因素和操作范围,并且建立各操作变量与NOx排放和炉膛热效率的关系,力图为工业裂解炉实现高能效、低排放的新型燃烧工艺提供理论和实践指导。

结项摘要

本项目以MILD燃烧技术在工业裂解炉节能减排方面的应用为目标,采用数值模拟作为主要研究手段,重点探究裂解炉内实现MILD燃烧的主要影响因素和操作范围,探索NOx排放和炉膛热效率的关系。.取得以下研究结果:(1)提出了一种燃烧反应机理的综合简化方法。主要包含两个步骤:首先利用带有误差传递的直接关系图方法,从各组分的拓扑关系方面,将详细反应机理简化为骨架机理;其次基于拟稳态假设,从时间尺度解耦方面筛选出骨架机理中的QSS组分,进一步降低燃烧反应的组分数量。以POLIMI62机理为对象,采用该方法建立了POLIMI25简化机理,模拟验证结果表明该简化机理的误差与POLIMI62相比始终在10%以下;(2)建立了一个可以描述MILD燃烧过程的CFD综合模型,采用简化后的POLIMI25机理对湍流燃烧标准试验算例Sandia Flame D进行了模拟,验证了该燃烧反应机理的准确性;(3)提出了一种基于智能时间尺度分析的积分方法。该方法采用一个误差反向传递神经网络模型对燃烧反应动力学进行时间尺度辨识,将各基元反应分为快慢两类,并采用算子分离的方法,针对快慢反应分别应用隐式和显式积分方法进行求解,消除燃烧反应系统的数值刚性,提高湍流燃烧计算效率;(4)在工业测试炉上对MILD燃烧技术进行了试验测试和CFD模拟验证。在多个不同的操作条件下研究了测试炉内的燃烧状况,分析了热通量分布以及NOx排放等因素,研究结果表明,采用MILD燃烧替代传统燃烧技术无需对工业炉内的管排进行大幅度的调整,但氧浓度的变化对火焰传播速率有一定影响,因此需要进一步优化炉膛入口的氧浓度。.本项目通过数值仿真探索了MILD燃烧技术在工业乙烯裂解炉上的应用前景,并对裂解炉内实现MILD燃烧的主要影响因素和操作范围进行了研究,为工业裂解炉高能效、低排放的新工艺的开发提供了一定的理论指导。

项目成果

期刊论文数量(4)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Feasibility of biogas and oxy-fuel combustion in steam cracking furnaces: Experimental and computational study
蒸汽裂解炉中沼气和全氧燃料燃烧的可行性:实验和计算研究
  • DOI:
    10.1016/j.fuel.2021.121393
  • 发表时间:
    2021-11
  • 期刊:
    Fuel
  • 影响因子:
    7.4
  • 作者:
    Zhang Yu;Vangaever Stijn;Theis Gilles;Henneke Mike;Heynderickx Geraldine J.;Van Geem Kevin M.
  • 通讯作者:
    Van Geem Kevin M.
Data-Driven Tabulation for Chemistry Integration Using Recurrent Neural Networks
使用循环神经网络进行化学集成的数据驱动制表
  • DOI:
    10.1109/tnnls.2022.3175301
  • 发表时间:
    2022-06
  • 期刊:
    IEEE Transactions on Neural Networks and Learning Systems
  • 影响因子:
    10.4
  • 作者:
    Zhang Yu;Lin Qingguo;Du Wenli;Qian Feng
  • 通讯作者:
    Qian Feng
Intelligent Time-Scale Operator-Splitting Integration for Chemical Reaction Systems
化学反应系统的智能时标算子分割集成
  • DOI:
    10.1109/tnnls.2020.3006348
  • 发表时间:
    2020-07
  • 期刊:
    IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS
  • 影响因子:
    10.4
  • 作者:
    Zhang Yu;Du Wenli
  • 通讯作者:
    Du Wenli
Investigation of NOx emission under different burner structures with the optimized combustion model
采用优化燃烧模型研究不同燃烧器结构下NOx排放
  • DOI:
    10.1016/j.neucom.2021.11.051
  • 发表时间:
    2021-11
  • 期刊:
    Neurocomputing
  • 影响因子:
    6
  • 作者:
    Qian Yao;Yu Zhang;Xinjie Wang;Zhou Tian;Guihua Hu;Wenli Du
  • 通讯作者:
    Wenli Du

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

先进航空材料焊接过程热裂纹研究进展
  • DOI:
    10.11868/j.issn.1001-4381.2021.000676
  • 发表时间:
    2022
  • 期刊:
    材料工程
  • 影响因子:
    --
  • 作者:
    李红;闫维嘉;张禹;杜文博;栗卓新;Mariusz Bober;Senkara Jacek
  • 通讯作者:
    Senkara Jacek
基于极大似然法的激光焊耐候钢T形接头P-S-N曲线快速拟合
  • DOI:
    --
  • 发表时间:
    2022
  • 期刊:
    焊接技术
  • 影响因子:
    --
  • 作者:
    张运通;魏巍;杜亮;张禹;杨鑫华
  • 通讯作者:
    杨鑫华
足球运动员在动态追踪任务中的追踪表现和注意分配特点
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    天津体育学院学报
  • 影响因子:
    --
  • 作者:
    王静;李杰;张禹
  • 通讯作者:
    张禹
渗Ti法制备TiB2-TiC复合材料的研究
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    东北大学材料与冶金学报
  • 影响因子:
    --
  • 作者:
    张禹;陈铭延;陈宇凡;张翠萍
  • 通讯作者:
    张翠萍
大口径多光谱通道波前测量系统设计
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    红外与激光工程
  • 影响因子:
    --
  • 作者:
    张禹;杨忠明;刘兆军;王继红
  • 通讯作者:
    王继红

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码