一种简化高碳燃料的大规模详细化学反应模型的方法
阅读说明：本技术 一种简化高碳燃料的大规模详细化学反应模型的方法 (Method for simplifying large-scale detailed chemical reaction model of high-carbon fuel ) 是由 常亚超 贾明 牛波 王朋志 于 2021-01-21 设计创作，主要内容包括：本发明属于燃烧学科数值仿真领域,涉及一种简化高碳燃料的大规模详细化学反应模型的方法,简化高碳燃料的大规模详细化学反应模型,获得在精度和规模同时满足燃烧多维模拟的简化反应动力学模型。此方法以子模型/反应类为对象,进行高碳燃料的大规模详细化学反应模型简化,极大地降低了输入变量数目,降低了全局敏感分析的计算时间,使全局敏感性分析应用于大规模详细化学反应模型成为可能。(The invention belongs to the field of combustion subject numerical simulation, and relates to a method for simplifying a large-scale detailed chemical reaction model of a high-carbon fuel, which is used for simplifying the large-scale detailed chemical reaction model of the high-carbon fuel and obtaining a simplified reaction kinetic model which meets the requirement of combustion multidimensional simulation on precision and scale. The method takes the sub-models/reaction classes as objects to simplify the large-scale detailed chemical reaction model of the high-carbon fuel, greatly reduces the number of input variables, reduces the calculation time of global sensitivity analysis, and makes the application of the global sensitivity analysis to the large-scale detailed chemical reaction model possible.)
技术领域
本发明属于燃烧学科数值仿真领域，涉及一种简化高碳燃料的大规模详细化学反应模型的方法。
背景技术
发动机需要更高的热效率和更低的污染物排放，以应对日益严格的排放法规。随着计算机技术的发展，多维燃烧模拟成为新型发动机设计和优化的重要工具。为保证多维燃烧模拟的可靠性，一个结构紧凑、性能可靠的简化化学反应模型尤为重要。真实燃油的成分极其复杂，为了再现真实燃油的物理化学特性，其表征燃料通常由分子结构庞大的成分组成，导致详细化学反应模型的规模极为庞大。基于当前的详细化学反应模型简化方法无法获得在规模和性能同时满足多维燃烧模拟的简化化学反应模型。为解决该问题，亟需一种简化高碳燃料的大规模详细化学反应模型的方法，以获得满足多维燃烧模拟需求的简化反应模型。
发明内容
为了简化高碳燃料的大规模详细化学反应模型，获得在精度和规模同时满足燃烧多维模拟的简化反应动力学模型，本发明提出了一种简化高碳燃料的大规模详细化学反应模型的方法。
本发明解决其技术问题所采用的技术方案是：一种简化高碳燃料的大规模详细化学反应模型的方法，具体步骤如下：
(1)高碳燃料的大规模详细化学反应模型预处理
根据高碳燃料的大规模详细化学反应模型结构，按照反应中涉及的组分的最大碳原子数目，将反应划分为不同的子模型；随后，将子模型中的反应按照速率规则划分为不同的反应类；为了降低模型简化的计算量，在随后计算中，将子模型/反应类看作一个整体，即对于所有属于第j个子模型/反应类的反应
其中，mj为第j个子模型/反应类中包含的反应的总数目，为第n个反应的标准不确定速率参数
kn为单次模拟中第n个反应的反应速率，fn为第n个反应的不确定因子fn＝log10(kn，max/kn，0)＝log10(kn，0/kn，min)，kn,0、kn,max和kn,min分别为第n个反应的标准反应速率、最大值和最小值；
(2)使用全局敏感性分析评估子模型的重要性
为执行全局敏感性分析，首先，将输入变量xj离散为(0,1/(p-1),2/(p-1),…,1)；随后，随机生成一组x，并将x中的元素一个接一个的变化Δ，并计算简化目标yi；第j个输入变量对简化目标yi的单次影响为
经过k次计算，获得平均效应
和方差
越大表明扰动第j个子模型/反应类中反应的速率常数对第i个简化目标预测值的影响越大，σij越大表明第j个反应类与第i个简化目标存在强烈的非线性关系或者第j个反应类与其他反应类存在强烈的耦合关系；
基于和子模型中碳原子数目，将子模型分为小分子子模型(碳原子数目小于等于4)、重要大分子子模型和不重要大分子子模型；
(3)使用全局敏感性分析和路径敏感性分析评估重要大分子子模型中反应类的重要性
路径敏感性系数由式(6)计算，
yi,j为移除第i个反应类的简化化学反应模型对第j个简化目标的预测值。
反应类的重要性由标准化的和共同决定，即
其中，标准化的和由式(8)–(10)计算
基于ξj，从小到大逐个删除反应类，直到简化化学反应模型的预测值达到详细化学反应模型对任意简化目标的预测不确定边界；
(4)构建骨架大分子子模型
首先，将步骤(3)保留的反应类中的同分异构体集总为一个代表性组分；随后，将不重要子模型中的反应进行集总，获得骨架大分子子模型；
(5)简化小分子子模型
使用式(7)对小分子子模型中的反应进行评估，并基于ξj，逐个删除反应，直到简化化学反应模型的预测值达到详细化学反应模型对任意简化目标的预测不确定边界，获得初始简化模型；
(6)反应速率优化
使用多目标遗传算法，对燃料子模型中的反应速率常数在不确定范围内进行优化，获得最终的简化模型。
上述方法的优选方案是，高碳燃料为异十六烷。
与现有技术相比，本发明的有益效果是：
1.以子模型/反应类为对象，进行高碳燃料的大规模详细化学反应模型简化，极大地降低了输入变量数目，降低了全局敏感分析的计算时间，使全局敏感性分析应用于大规模详细化学反应模型成为可能。
2.以子模型/反应类为对象，可有效避免反应路径分析导致同分异构体过多、反应模型庞大的问题。全局敏感性分析可准确捕捉化学反应模型中的非线性行为和反应之际的耦合关系信息，可保证最终简化模型的可靠性。因此，基于此方法简化的化学反应动力学模型可维持紧凑的结构和可靠的性能，满足多维燃烧模拟需求。
附图说明
图1为使用本方法简化高碳燃料的大规模详细化学反应模型的流程图。
图2为异十六烷的大规模详细化学反应模型的结构图。
图3为异十六烷的大规模详细化学反应模型和简化化学反应模型对滞燃期的预测值的比较。
图4为异十六烷的大规模详细化学反应模型和简化化学反应模型对JSR中HMN、CO和CO2组分浓度的预测值的比较。
具体实施方式
以下结合附图和技术方案对本发明进行详细叙述。
一种简化高碳燃料的大规模详细化学反应模型的方法，使用本方法简化异十六烷详细化学反应模型，流程图如图1所示。
(1)异十六烷的大规模详细化学反应模型预处理
首先按照反应中涉及的组分的最大碳原子数目，将异十六烷大规模详细化学反应模型划分为17个子模型；随后将子模型中的反应按照速率规则划分为26个反应类，如图2所示。在随后的计算中，将反应类/子模型作为一个整体，即对于所有属于第j个反应类/子模型的反应
其中，mj为第j个子模型/反应类中包含的反应的总数目，为第n个反应的标准不确定速率参数
kn为单次模拟中第n个反应的反应速率，fn为第n个反应的不确定因子，fn＝log10(kn，max/kn，0)＝log10(kn，0/kn，min)，kn,0、kn,max和kn,min分别为第n个反应的标准反应速率、最大值和最小值。通过式(2)，可将详细化学反应模型中每个反应的反应速率在不确定空间内转化为0–1之间的数字，以用于随后的全局敏感性分析；C0–C4子模型中反应的不确定因子fn来自NIST数据库，C5–C16子模型中反应的不确定因子fn设置为0.6。
简化目标为：T＝600-1500K、和p＝50atm下的滞燃期以及T＝600-1500K、和p＝10atm下JSR中异十六烷(HMN)、CO和CO2组分浓度。
(2)使用全局敏感性分析评估子模型的重要性
以子模型为对象，通过全局敏感性分析方法，将输入变量xj离散为(0,1/(p-1),2/(p-1),…,1)；随后，随机生成一组x，并将x中的元素一个接一个的变化Δ，并计算简化目标yi；第j个输入变量对简化目标yi的单次影响为
经过k次计算，获得平均效应
和方差
计算不同简化目标下子模型的发现只有C0–C4子模型和C16子模型具有较高的
(3)使用全局敏感性分析和路径敏感性分析评估重要大分子子模型中反应类的重要性
以C16子模型中的反应类为对象，使用全局敏感性分析和路径敏感性分析，由公式(4)–(6)计算不同简化目标下各个反应类的PSCij、和σij，
yi,j为移除第i个反应类的简化化学反应模型对第j个简化目标的预测值反应类的重要性由标准化的和共同决定，即
其中，标准化的和由式(8)–(10)计算
通过式(7)获得各个反应类的ξj，基于ξj，从小到大逐个删除反应类，并计算引入误差，直到简化化学反应模型对任意简化目标的预测值达到详细化学反应模型的预测不确定边界。共保留10个反应类，也就是反应类1–3、5、10、13、14、23–25。
(4)构建骨架大分子子模型
使用线性集总法，对10个反应类中的同分异构体进行集总，每类同分异构体集总为一个代表性组分。随后对C5–C15子模型中的反应进行集总，获得骨架大分子子模型。
(5)简化小分子子模型
使用全局敏感性分析和路径敏感性分析公式(4)–(6)计算不同简化目标下C0–C4子模型中每个反应的PSCij、和σij，并由式(8)–(10)计算和通过式(7)获得各个反应的ξj。基于ξj，从小到大逐个删除反应，并计算引入误差，直到简化化学反应模型对任意简化目标的预测值达到详细化学反应模型的预测不确定边界，获得初始简化化学反应模型。
(6)反应速率优化
使用多目标遗传算法NSGA-II，对初始简化化学反应模型中C16子模型中反应的速率常数在不确定范围内进行优化，获得最终简化化学反应模型。
异十六烷详细化学反应模型包含1107个组分和4469个反应，使用本方法获得的简化化学反应模型仅包含56个组分和131个反应。化学反应模型简化过程中每一步子模型反应数、组分数及引入误差如表1所示。随后在T＝600–1500K、和p＝10–80atm工况下比较详细化学模型和简化化学反应模型对滞燃期和JSR中HMN、CO和CO2的组分浓度，如图3和图4所示，可以看出在整个工况范围内简化化学反应模型可以很好再现详细化学反应模型的预测性能。
表1模型简化过程中不同子模型中反应数、组分数以及引入误差的变化