固体燃料内の拡散と均一反応を考慮した構造変化を伴う大規模ガス化シミュレーショ ン

考虑固体燃料中扩散和均相反应的具有结构变化的大规模气化模拟

• 批准号: 21K03911
• 负责人: 青木 秀之
• 金额: $ 2.66万
• 依托单位: Tohoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K03911/
• 关键词: DAEM; 大規模計算; ニューラルネットワーク; 水性ガスシフト反応; Stefan-Maxwell式; コークス; 固体燃料; 大規模シミュレーション; ガス化反応

2022年度は，(1)詳細化学反応機構に基づく水性ガス化反応速度の定式化および(2)固体燃料モデルの大規模ガス化反応速度解析を行った．検討(1): 詳細化学反応機構を数値流体解析(CFD)で同時に解くと非常に計算コストが大きく，実現困難である．そこで水性ガスシフト反応の反応速度を推測するニューラルネットワークを構築し，その予測精度について検証を行った．具体的にはニューラルネットワークに学習させるデータを作成するために，反応動力学ソフトウェアCantera を用いて詳細化学反応機構GRI-Mech 3.0に基づく解析を行い，それを学習させた．その後，主要化学種濃度と総括反応速度の関係を学習させた．その結果，推定値と評価データの差異は十分小さく，ニューラルネットワークは高精度で反応速度を予測した．これによって計算精度を保ったまま，計算コストを大きく削減することに成功した．検討(2): 大規模ガス化反応速度解析を行った．2021年度にX線CTを用いて構築した2億ボクセルからなる固体燃料モデルおよび熱天秤(TG)により測定した固気反応速度を用いた．加えて検討(1)により構築したニューラルネットワークに基づく反応モデルを気相反応をCFDに組み込み，ガス化反応速度解析を行った．例えば，1100℃で周囲の水蒸気濃度を10mol%とした場合には，水蒸気ガス化反応を考慮することで反応速度がごくわずかに増加したが，1%以下の差異であった．

在2022财年，（1）根据详细的化学反应机制制定了水气化反应速率，以及（2）固体燃料模型的大规模气化反应速率分析。研究（1）：通过计算流体分析（CFD）同时解决详细的化学反应机制是极其计算成本，难以实现。因此，我们构建了一个神经网络，该神经网络估计了水电偏移反应的反应速率，并验证了其预测准确性。具体而言，为了创建要在神经网络中训练的数据，使用反应动力学软件Cantera根据详细的化学反应机制Gri-Mech 3.0进行分析，并对此进行了训练。之后，我们了解了主要化学物种的浓度与总体反应速率之间的关系。结果，估计值和评估数据之间的差异足够小，神经网络以高度准确地预测了反应速率。在保持计算准确性的同时，这已经成功降低了计算成本。研究（2）：进行了大规模的气化反应速率分析。我们使用了由2021财年使用X射线CT构建的2亿素体的固体燃料模型以及使用热脂肪（TG）测量的实心气体反应率。此外，将基于检查（1）中构建的神经网络的反应模型纳入了CFD中，以分析气化反应速率。例如，当周围的水蒸气浓度在1100°C下为10 mol％时，考虑到蒸汽气化反应，反应速率略有提高，但差异低于1％。

项目成果

成分にばらつきのあるバイオマスや廃棄プラスチックを 高効率利用する計算技術を開発

开发计算技术以高效利用不同成分的生物质和废塑料

Neural network estimation of kinetic parameters in distributed activation energy model (DAEM) without a priori assumptions for parallel reaction system

• DOI: 10.1016/j.fuel.2023.127836
• 发表时间: 2023
• 期刊: Fuel
• 影响因子: 7.4
• 作者: Shinji Wakimoto;Yoshiya Matsukawa;Yui Numazawa;Y. Matsushita;H. Aoki

ニューラルネットワークを用いた水性ガスシフト反応の反応速度の推定における温度と希釈ガス濃度の影響

温度和稀释气体浓度对神经网络估计水煤气变换反应速率的影响

• 发表时间: 2022
• 作者: 山口航平;沼澤結;松川嘉也;青木秀之
• 通讯作者: 青木秀之

New Method to Estimate Kinetic Parameters in Distributed Activation Energy Model (DAEM) by Using Neural Network

利用神经网络估计分布式活化能模型（DAEM）动力学参数的新方法

• 发表时间: 2022
• 作者: S. Wakimoto;Y. Matsukawa;Y. Numazawa;Y. Matsushita;H. Aoki
• 通讯作者: H. Aoki

様々な温度における水性ガスシフト反応の反応速度に関する機械学習

不同温度下水煤气变换反应动力学的机器学习

• 发表时间: 2022
• 作者: 山口航平;沼澤結;松川嘉也;青木秀之
• 通讯作者: 青木秀之