MétaCan
Menu
Retour à la cohorte
Enregistrement W4229750758 · doi:10.1115/1.4047108

Quantifying the Effect of Kinetic Uncertainties on NO Predictions at Engine-Relevant Pressures in Premixed Methane–Air Flames

2020· article· en· W4229750758 sur OpenAlexafffund
Antoine Durocher, Gilles Bourque, Jeffrey M. Bergthorson

Notice bibliographique

RevueJournal of Engineering for Gas Turbines and Power · 2020
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAdvanced Combustion Engine Technologies
Établissements canadiensSiemens (Canada)McGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of CanadaSiemens
Mots-clésCombustionParametric statisticsMethaneEnvironmental scienceUncertainty analysisComputer scienceChemistrySimulationMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Accurate and robust thermochemical models are required to identify future low-NOx technologies that can meet the increasingly stringent emissions regulations in the gas turbine industry. These mechanisms are generally optimized and validated for specific ranges of operating conditions, which result in an abundance of models offering accurate nominal solutions over different parameter ranges. Under atmospheric conditions, and for methane combustion, relatively good agreement between models and experiments is currently observed. At engine-relevant pressures, however, a large variability in predictions is obtained as the models are often used outside their validation region. The high levels of uncertainty found in chemical kinetic rates enable such discrepancies between models, even if the reactions are within recommended rate values. This work investigates the effect of such kinetic uncertainties in NO predictions by propagating the uncertainties of 30 reactions that are both uncertain and important to NO formation, through the combustion model at engine-relevant pressures. Understanding the uncertainty sources in model predictions and their effect on emissions at these pressures is key in developing accurate thermochemical models to design future combustion chambers with any confidence. Lean adiabatic, freely propagating, laminar flames are therefore chosen to study the effect of parametric kinetic uncertainties. A nonintrusive, level 2, nested sparse-grid approach is used to obtain accurate surrogate models to quantify NO prediction intervals at various pressures. The forward analysis is carried up to 32 atm to quantify the uncertainty in emissions predictions to pressures relevant to the gas turbine community, which reveals that the NO prediction uncertainty decreases with pressure. After performing a reaction pathway analysis (RPA), this reduction is attributed to the decreasing contribution of the prompt-NO pathway to total emissions, as the peak CH concentration and the CH layer thickness decrease with pressure. In the studied lean condition, the contribution of the pressure-dependent N2O production route increases rapidly up to 10 atm before stabilizing toward engine-relevant pressures. The uncertain prediction ranges provide insight into the accuracy and precision of simulations at high pressures and warrant further research to constrain the uncertainty limits of kinetic rates to capture NO concentrations with confidence in early design phases.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,187
Score d'incertitude au seuil0,607

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,243
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Engineering for Gas Turbines and PowerMême sujetAdvanced Combustion Engine TechnologiesTravaux en français237 207