基于動態自適應反應的煤粉無焰燃燒燃料氮轉化機理研究

劉 璐，李鵬飛，成鵬飛，劉耀蔚，胡 帆，柳朝暉，鄭楚光

(華中科技大學 煤燃燒國家重點實驗室，湖北 武漢 430074)

0 引 言

高效低污染燃燒技術作為從源頭控制NOx等污染物生成的方法，近年來受到廣泛關注。我國已于“十三五”期間基本完成了現有電站鍋爐的超低排放改造。目前，部分地區對污染物排放要求更加嚴格，如京津冀地區新建鍋爐NOx排放限值為30 mg/m3[1]。愈加嚴格的NOx排放標準對NOx調控機理和低氮燃燒技術的研究提出了新要求。

無焰燃燒是20世紀90年代提出的新型高效清潔燃燒技術[2]，其實現條件主要包括3方面：① 高速射流的煙氣強卷吸作用；② 強烈的煙氣內循環使反應物被充分稀釋并彌散至整個燃燒區，形成局部低氧氛圍；③ 反應混合物被再循環煙氣加熱至超過自燃點。無焰燃燒整體表現為容積式燃燒，燃燒穩定性好，無明顯火焰鋒面，峰值溫度低，溫度場、組分濃度場均勻，熱力性能好，噪音小，NOx等污染物生成大幅降低[3-4]。

提高NOx生成預測的準確性是無焰燃燒數值模擬的關鍵[5-6]。煤揮發分氮和焦炭氮具有不同的NOx生成路徑[7-9]，由于氮轉化機理尤其是燃料氮生成路徑較為復雜，目前絕大部分研究者在煤粉燃燒模擬中采用簡化的半經驗NOx后處理模型。該模型將燃燒氧化反應與NOx生成過程解耦計算，無法考慮初始NO對著火的加速作用及湍流-燃燒-NO生成之間的相互影響，通常只能用于NO生成的趨勢性預測，未經詳細驗證時無法精確定量預測含氮組分轉化[10]。無焰燃燒具有容積式低反應速率燃燒區，具備典型中低溫燃燒特性，因此有限速率化學反應對燃燒過程的影響不可忽略，燃燒模擬過程需采用耦合含氮詳細機理的有限速率模擬方法，考慮湍流-化學-氮轉化反應交互作用，以提高NO預測精度。然而受計算資源限制，大型含氮詳細反應機理的組分數和反應數過多，如Glarborg等[11]開發的最新版本的PG2018含氮詳細反應機理，含有151種組分和1 397步反應，難以直接應用于三維有限速率反應的計算流體力學(CFD)模擬。須在不顯著降低計算精度的條件下進行機理簡化并耦合計算加速算法，以提高計算效率。

燃燒過程的組分分布在不同反應區域差別很大，因此無需在模擬全程使用相同的化學反應機理。動態自適應機理簡化算法可將詳細機理在反應區當地實時簡化為精確子機理，以此在每個反應局部位置只需耦合適合該反應區的最小組分與反應數的簡化機理進行有限速率反應積分運算，以此實現計算加速。當前已有耦合動態自適應機理簡化算法的氣體及液體燃料燃燒數值模擬研究[12-14]，而基于動態自適應反應的煤粉燃燒數值模擬鮮有報道。

為了提高煤粉無焰燃燒的模擬精度和計算效率，研究煤粉無焰燃燒燃料氮轉化機理，本文首先介紹動態自適應機理簡化算法的原理，而后耦合自主發展的含氮骨架機理并采用動態自適應機理簡化算法，進行煤粉無焰燃燒燃料氮轉化有限速率模擬，經過模擬結果系統驗證后，進行煤粉無焰燃燒燃料氮轉化動力學分析。

1 基于動態自適應反應的數值模擬方法

1.1 動態自適應機理簡化算法

化學反應流模擬需要求解偏微分方程組。大多數反應流求解器基于算子分裂法求解組分和能量輸運方程，化學反應源項和輸運項(對流和擴散)使用流體力學時間步長Δt迭代求解。假設一個反應機理含有k個組分，其化學反應源項可表示為一組剛性常微分方程(ODE)：

(1)

其中，T、P、y分別為溫度、壓力和組分質量分數。給定一個特定的熱化學狀態Φ，動態自適應機理簡化可在該條件下消除反應機理中對放熱速率和目標產物生成速率影響極小的組分及反應。ODE方程組中相應組分的方程式被消除，從而可求解簡化后的低維方程組。動態自適應機理簡化算法能在特定時間內基于每組當地瞬時熱化學狀態參數進行快速響應并計算簡化。動態自適應機理簡化算法連續響應的時間間隔為反應流計算中流體動力時間步長。

本研究采用的動態自適應機理簡化通過直接關系圖法(DRG)實現[15]，該方法可較好地評估復雜機理中不同組分之間的耦合關系。簡化前首先需要確定目標組分和簡化閾值，目標組分通常確定為燃料主要成分及燃燒過程中的關鍵組分，簡化閾值需綜合考慮簡化效果和計算誤差。然后通過直接關系圖方法在每個網格內量化非目標組分B對目標組分A總生成量的貢獻rAB，即

(2)

其中，ωi為基元反應i的化學反應速率；vA,i為反應i中A組分的化學計量數。當rAB>λ(λ為簡化閾值)時，B組分被保留在機理中。對每個非目標組分，均需通過計算該組分對目標組分總生成量的貢獻來確定其對目標組分的直接影響。

采用相同方法確定目標組分的間接貢獻組分，當B組分包含于對目標組分直接貢獻較大的組分集合中，其余組分K需計算出其對組分B的貢獻rBK，且當rBK>λ時保留該組分。對所有組分執行上述操作，可確定最終保留在簡化機理中的組分。

最后將所有與保留組分無關的反應從機理中去除，即可得到最終簡化機理。通過求解簡化后的低維常微分方程組，可顯著縮短計算時間。因此，當λ值較大時，保留的組分及反應數減少，計算效率提高，但可能增大模擬誤差。

在當地自適應建表法(ISAT)的基礎上結合動態自適應機理簡化(DAC)算法(即ISAT-DAC)，可進一步提高基于詳細機理有限速率模擬的計算效率[16]。DAC算法在模擬過程中根據當地溫度、組分濃度等條件進行實時機理簡化，因此ISAT-DAC方法可充分發揮2種方法優勢。ISAT-DAC方法中設置ISAT簡化閾值為10-4，DAC簡化閾值為10-2，計算精度不會顯著降低。DAC算法的目標組分選用CH4、CO、NO和HO2和NO，其中CH4為燃料揮發分析出的主要組分，CO和NO為燃燒過程中需要精確預測的關鍵組分，HO2為著火過程的關鍵組分。ISAT-DAC方法的計算流程如圖1所示。

圖1 ISAT-DAC計算流程Fig.1 ISAT-DAC calculation flow chart

1.2 CFD模擬對象

煤粉無焰燃燒模擬研究對象為國際火焰研究基金會(IFRF)燃燒爐[17]。以高揮發分Guasare煤為燃料，其元素分析、工業分析及熱值結果見表1。爐膛幾何結構如圖2所示，燃燒器中心射流為二次風，直徑為125 mm。煤粉管直徑為27.3 mm，距中心二次風280 mm對稱分布。燃燒爐測點分布于7個截面，沿x軸方向距離分別為0.150、0.440、0.735、1.320、2.050、3.220和4.970 m。爐內試驗測量數據為軸向速度、溫度、組分及爐膛出口煙氣組成，其中速度采用激光多普勒測速(LDV)探針測量，溫度采用B型熱電偶(Pt 6%Rh/Pt 30%Rh)測量，組分濃度通過煙氣取樣槍取樣結合氣體分析儀測量。

圖2 IFRF爐膛幾何結構[17]Fig.2 IFRF furnace geometry structure [17]

表1 Guasare煤燃料分析[17]

爐膛燃燒功率為0.58 MW，試驗工況參數見表2。一次風速為26 m/s，風溫為313 K。二次風速為65 m/s，預熱溫度為1 623 K。二次風O2含量為22%，NO含量為89×10-6。本文研究對象IFRF煤粉無焰燃燒試驗采用高速直噴一、二次風射流，高動量射流存在強烈的射流擴散和卷吸作用，在整個燃燒區內引起了大尺度煙氣內循環，反應混合物被再循環煙氣稀釋并加熱至超過自燃點，實現了無焰燃燒。

表2 IFRF試驗工況[17]

由于試驗爐具有對稱性，為節約模擬消耗，僅對1/4燃燒爐進行模擬。采用三維六面體結構化網格，經網格獨立性分析，選用網格總數約60萬。

1.3 煤粉無焰燃燒CFD模型

本計算采用含氮詳細反應機理并將燃燒氧化過程與氮轉化過程耦合，以模擬煤粉無焰燃燒NOx生成。Glarborg等[11]基于近幾十年來含氮化學機理的研究成果和最新進展開發了PG2018機理，該機理更新了含氮組分的相關熱力學參數，主要包括熱力型NO、快速型NO、燃料型NO、N2O中間路徑、NNH路徑以及NO再燃還原，PG2018原始反應機理包含151種組分和1 397步基元反應。筆者對多種廣泛使用的含氮詳細反應機理進行了機理評估、發展與簡化，發現PG2018機理相較于其他含氮詳細機理在氮轉化模擬精度方面具有顯著優越性[10]。筆者在保證模擬精度的條件下，基于PG2018機理發展和簡化得到僅含35種組分和259步反應的骨架反應機理[10]。本研究數值模擬中，使用該高精度骨架反應機理，并耦合DAC算法以實現計算加速，以應用于煤粉無焰燃燒模擬。

數值模擬基于Fluent平臺。湍流模型采用標準k-ε模型，并將模型系數Cε1由1.44修正為1.60以提升圓管射流的預測精度。采用化學滲透脫揮發分(CPD)模型模擬揮發分析出[18-19]。采用離散坐標法(DO)求解輻射傳遞方程，同時引入灰氣體加權和(WSGG)氣體輻射模型[20]，WSGG模型中總發射率的空間變化是氣體成分和溫度的函數。采用渦耗散概念模型(EDC)耦合筆者團隊自主發展的PG2018含氮骨架機理(35種組分和259步反應)模擬均相燃燒和燃料氮轉化，采用ISAT算法，結合DAC算法實現計算加速。速度-壓力耦合采用SIMPLE算法，方程離散采用高階QUICK格式。

不同于傳統半經驗后處理方法對燃料型NOx生成的近似模擬，本文考慮揮發分與焦炭燃料氮析出并結合燃料氮轉化機理(即PG2018含氮骨架機理)，進行耦合燃燒氧化反應和燃料氮轉化的有限速率詳細反應機理模擬。煤粉揮發分組成采用CPD模型計算，并考慮為CH4、H2、CO2、CO、NO和HCN六種組分。揮發分氮均考慮以HCN形式釋放[17]，焦炭氮以NO形式釋放[21]。CPD模型計算結果表明：該煤粉干燥無灰基焦炭質量分數為42.6%，揮發分為57.4%。由煤粉元素分析可知，揮發分中氮元素質量分數為1.3%，焦炭中為1.7%。綜合以上信息計算可得：揮發分組成為CH4∶H2∶CO2∶CO∶NO∶HCN= 52.22%∶2.25%∶29.22%∶11.24%∶2.63%∶2.44%。焦炭燃盡模型采用動力學/擴散控制模型，該模型假設焦炭表面反應速率由動力學或擴散速率影響，燃燒過程中顆粒尺寸不變，密度變化。

2 模擬結果與討論

2.1 基于動態自適應反應的煤粉無焰燃燒模擬與試驗驗證

通過將耦合ISAT-DAC算法的模擬結果與試驗數據進行對比，可驗證ISAT-DAC算法在煤粉無焰燃燒數值模擬中的準確性和適用性。本模擬與試驗進行了基于爐內軸向速度、爐內溫度、O2濃度、CO2濃度、CO濃度和NO濃度及煙氣排放數據的對比驗證。

爐內軸向速度和溫度的試驗和預測結果對比如圖3所示。總體而言，速度與溫度場模擬結果與試驗吻合較好。速度模擬偏差主要出現在0

圖3 爐內軸向速度與溫度的預測結果與試驗數據對比Fig.3 Comparisons between the predicted and experimental axial velocityand temperature inside the furnace

O2、CO2和CO組分試驗與預測結果如圖4所示。O2、CO2和CO組分濃度預測結果與試驗值總體吻合較好。

圖4 爐內O2、CO2、CO濃度的預測結果與試驗數據對比Fig.4 Comparisons between the predicted and experimental concentrations of O2，CO2 and CO inside the furnace

基于ISAT-DAC算法的動態自適應反應NO模擬結果，與常規后處理模擬及試驗數據的對比結果如圖5所示。可知基于后處理方法得到的NO預測結果精度不高，在截面3且z≈0.3 m處對NO生成模擬偏高，而在截面4、5和6且0

圖5 爐內NO濃度的預測結果與試驗數據對比Fig.5 Comparisons between the numerical results andexperimental data of NO concentration inside the furnace

最后對比爐膛煙氣出口試驗數據與預測結果，具體見表3(dry)。可知排煙溫度、煙氣CO2、O2、CO和NO預測結果與試驗值相對誤差均在5%以內。

表3 爐膛出口預測結果與試驗數據對比

綜合上述結果，本模擬爐內各監測面及爐膛出口的預測結果與試驗數據吻合較好，模擬采用PG2018骨架機理及耦合的ISAT-DAC算法適用于煤粉無焰燃燒模擬，且相比常規NO后處理模擬方法提升了對燃料氮轉化的模擬精度。

2.2 煤粉無焰燃燒燃料氮轉化分析

基于已經過試驗驗證的模擬結果，進一步分析煤粉無焰燃燒燃料氮轉化機理。

溫度與燃料氮轉化過程密切相關，爐內溫度分布云圖如圖6所示。可見煤粉無焰燃燒過程具備較均勻的爐內溫度分布。進一步觀察發現，爐內存在2個主反應區，一處是由于燃料向下游噴射并與氧氣混合、反應形成，另一處位于煤粉噴管處并由高溫煙氣回流產生。

圖6 爐內溫度分布Fig.6 Temperature distribution in the furnace

含氮詳細(骨架)機理模擬方法可精確預測爐內NO分布，基于含氮骨架機理ISAT-DAC模擬和總包機理后處理模擬的NO分布云圖如圖7所示。圖7(a)中，高濃度NO分布在給粉管四周的高溫區，爐膛下游雖存在高溫區，但NO與碳氫燃料發生的強烈還原反應使NO濃度降低。圖7(b)中，高濃度NO分布在給粉管出口位置，爐膛下游NO濃度預估偏低，與實際NO分布有偏差，不適于精確定量分析。

圖7 爐內NO分布Fig.7 NO distributions inside the furnace

基于含氮骨架機理ISAT-DAC算法的有限速率模擬，可得到機理中所包含的典型含氮中間組分在煤粉無焰燃燒過程的爐內分布情況。HCN、NH3和N2O中間組分的爐內分布云圖如圖8所示。爐內HCN含量較高，HCN轉化為NH3的量較少，NH3含量較低且峰值僅有約15×10-6，N2O生成量更低。HCN和NH3主要分布在給粉管出口處，均由煤粉脫揮發分而來，N2O分布在高溫區周圍并參與NO的生成與還原。

圖8 爐內HCN、NH3和N2O中間組分分布Fig.8 Distributions of HCN，NH3 and N2Ointermediates inside the furnace

基于含氮骨架機理ISAT-DAC算法的有限速率模擬不僅可預測不同含氮組分的生成量和爐內分布，還可分析煤粉無焰燃燒過程中的燃料氮轉化路徑。煤粉無焰燃燒燃料氮轉化路徑如圖9所示，圖中箭頭顏色與數字表示各反應在整個計算域內體積加權平均后的反應速率。由圖9可知，熱力型NO生成受到顯著抑制，燃料型NO生成主要取決于HCN、NH3和N2O中間體，且NCO和HNO是較關鍵的中間組分。HCN中間體主要通過HNCO/CN和NCO路徑生成NO；NH3中間體由HNCO生成，并進一步轉化為NH2、HNO，最終生成NO；N2O路徑主要參與NO還原，對NO生成貢獻較低。反應路徑分析表明，CH3CN也是生成NO的重要中間組分，可通過NCO路徑生成。因此，NO生成的關鍵反應有

圖9 煤粉無焰燃燒燃料氮轉化路徑Fig.9 Fuel nitrogen conversion path of the flameless combustion of pulverized coal

(3)

(4)

(5)

(6)

(7)

由于模擬過程中耦合動態自適應機理簡化法(DAC)和當地自適應建表法(ISAT)來實現計算加速，可得到經動態自適應機理簡化后的爐內活躍組分分布云圖，如圖10所示。即采用ISAT-DAC簡化法，可以在模擬過程中準確識別爐內的主要反應區，簡化后的主反應區最多僅保留32種組分，其他區域組分數為0(無反應區域)，從而節約計算成本。圖10中主反應區位于給粉管下游，煤粉經給粉管射出后與高溫二次風相遇并發生燃燒反應，主反應區與圖6中的高溫區對應。爐膛上方處的活躍組分主要是由于高溫煙氣回流所致。

圖10 爐內活躍組分分布Fig.10 Distribution of active species in the furnace

動態自適應機理簡化法在去除對目標組分貢獻較小的其余組分時，也去除了包含該組分的相關反應，從而得到圖11的爐內活躍反應分布云圖。活躍反應較多的區域與活躍組分較多的區域對應，主反應區內最多保留了240步反應，弱反應區依次遞減至80步反應，煙氣區域反應數為0(即無反應發生)。

圖11 爐內活躍反應分布Fig.11 Distribution of active reactions in the furnace

統計計算時間發現，相比于基于骨架反應機理(35種組分和259步反應)耦合ISAT算法的燃燒模擬，本模擬進一步結合DAC算法后，可獲得約3倍的計算加速。因該骨架反應機理(35種組分和259步反應)相比于原PG2018詳細反應機理(151種組分和1 397步反應)可獲得約18.6倍加速效果。即采用骨架反應機理耦合ISAT-DAC算法，相比于原PG2018詳細反應機理可實現近55倍的計算加速，且未犧牲計算精度。

3 結 論

1)本文基于IFRF 0.58 MW燃燒爐進行了煤粉無焰燃燒的含氮骨架機理有限速率模擬，考慮了燃燒過程中的湍流-化學-氮轉化反應交互，并進一步耦合動態自適應反應機理簡化法來實現計算加速。爐內監測面及爐膛出口的溫度、速度、O2濃度、CO2濃度、NO濃度預測結果與試驗數據吻合較好，驗證了PG2018骨架機理及ISAT-DAC算法在煤粉無焰燃燒模擬中的準確性和適用性。且耦合DAC算法相較采用骨架機理模擬可實現近3倍的計算加速，相較采用詳細反應機理可實現近55倍加速效果。

2)對煤粉無焰燃燒燃料氮轉化特性和含氮關鍵中間組分的研究表明，NO生成主要取決于HCN、NH3和N2O中間體，且NCO和HNO是較為關鍵的中間組分。HCN中間體主要通過HNCO/CN和NCO路徑生成NO；NH3中間體由HNCO生成，并進一步轉化為NH2、HNO，最終生成NO；N2O路徑主要參與NO還原，對NO生成貢獻較低。反應路徑分析還表明，CH3CN也是生成NO的重要中間組分，可通過NCO路徑生成NO。

3)基于經試驗驗證的煤粉無焰燃燒燃料氮轉化模擬結果，本研究首次獲得了爐內燃料氮遷移轉化的含氮關鍵中間組分(HCN與NH3)分布及活躍組分與活躍反應分布，可為NO減排技術的發展提供參考，如根據爐內溫度與組分分布，針對性地提高爐內NO再燃與選擇性非催化還原(SNCR)效果等。