Metamodelling of Ignition Delay Time for Natural Gas Blends Under Gas Turbine Operating Conditions
Notice bibliographique
Résumé
Abstract Characterisation of autoignition risk is crucial for designing and optimising low-emission combustion systems as there is an increased demand for highly reactive and novel fuel mixtures. Achieving a residence time to prevent autoignition and obtaining an adequate mixing quality is a challenging trade-off for these fuels in lean-premixed combustion systems. The level of complexity increases further due to low-temperature chemical pathways and pressure-dependent reactions that strongly influence ignition delay at engine operating conditions. Detailed chemical kinetic mechanisms with hundreds of species and thousands of reactions are developed and employed to address this complexity and predict ignition delay accurately, especially for heavier hydrocarbons. However, direct implementation of these kinetic mechanisms is computationally prohibitive in high-fidelity CFD approaches such as large eddy simulation (LES) and stochastic simulation tools that require a large number of evaluations. Advanced stochastic methods are essential tools to quantify uncertainties due to the inherent variabilities in ambient, operating conditions and fuel composition on ignition delay time calculation for practical applications. This study introduces and implements a computationally efficient method based on metamodellig to predict ignition delay time over a wide range of operating conditions and fuel compositions for gas turbine combustion systems. A metamodel or surrogate model is an accurate and quick approximation of the original computational model based on a detailed chemical kinetic mechanism. Polynomial chaos expansion (PCE) as an advanced method is employed to build metamodels using a limited set of runs of the original ignition delay time model based on NUIGMech1.0 chemical kinetic mechanism as the most detailed and state-of-the-art chemical kinetic mechanism for natural gas. Developed metamodels for ignition delay time are valid over operating conditions of P = 20–40 bar and T = 700–900 K for natural gas containing C1 to C7 hydrocarbons at stoichiometric condition. These metamodels provide a fast, robust, and considerably accurate framework instead of a detailed chemical kinetic model that facilitates (a) characterising ignition delay time at different operating conditions and fuel compositions, (b) designing and optimising premixers and burners and (c) conducting uncertainty quantification and stochastic modelling studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».