Optimization and debugging of a low-toxic combustion chamber with the use of numerical modeling of intrachamber processes



如何引用文章

全文:

详细

In recent years, there has been a trend towards an increase in demand for microturbines. The microturbine application area is very wide. These are hybrid power plants for transport and specialized equipment, as well as power plants for providing electricity to homes, towns, businesses. When developing advanced gas turbine units, it is necessary to take into account sufficiently high requirements for economic and operational indicators. To improve the performance of microturbines, it is necessary to optimize and refine the basic elements. In particular, to reduce the emission of harmful substances, it is necessary to develop low-toxic combustion chambers. In this paper, we present the results of optimization and fine-tuning of a low-toxic combustion chamber with the use of numerical modeling of intra-chamber processes. The applied models of flow, combustion, radiation, NOx emission are described. The main parameters of the computational grid built for ¼ of the full-size combustion chamber are given. The boundary conditions necessary for the development of mathematical modeling of the flow and combustion processes are formulated. The results of comparison of the initial and optimized geometry of the combustion chamber in the form of patterns of temperature distribution, velocities, total pressure in the swirler, and the distribution of the mass fraction of nitrogen oxides NOx are presented. According to the results of optimization calculations, it can be concluded that relatively small changes in the size, shape and number of secondary air holes, the shape and dimensions of the flame tube, the diameter of the blade swirler and the shape and size of the nozzles of the gas injector have a significant effect on such indicators of the working process as: form, volume and location of the combustion zone; location and intensity of the mixing zone, which, as a consequence, greatly affects the integral parameters of the combustion chamber.

作者简介

A. Gornovskiy

Moscow Polytechnic University

A. Valeev

Moscow Polytechnic University

L. Kosach

Moscow Polytechnic University

A. Kostyukov

Moscow Polytechnic University

Email: Kostukov123@yandex.ru
Ph.D.

参考

  1. Косач Л.А., Горновский А.С., Костюков А.В. Многоцелевые высокоэффективные микротурбины // Известия МГТУ «МАМИ». 2014. № 4(22). Т. 1. С. 36-41.
  2. Горновский А.С., Валеев А.Г. Численное моделирование горения метана // Наукоград. Научно-публицистический журнал. 2015. № 3(5). С. 56-62.
  3. ANSYS CFX Documentation. Режим доступа: http://users.encs.concordia.ca/home/m/m_mamu/ANSYS%20CFX%20documentation/cfx_intr.pdf. (Дата обращения 21.07.2017).
  4. Poinsot T., Veynante D. Theoretical and numerical combustion. Erdwards, 2005. 540 p.
  5. Muller C.M., Breitbach H., Peters N. Partially premixed turbulent flame propagation in jet flames. 25th Symposium (International) on combustion. The combustion institute, 1994. Режим доступа: http://www.ansys.com/-/media/Ansys/corporate/resourcelibrary/conference-paper/2004-Int-ANSYS-Conf-202.PDF. (Дата обращения 21.07.2017).
  6. Pitsch H., Chen M., Peters N. Unsteady flamelet modeling of turbulent hydrogen-air diffusion flames. 27th Symposium (International) on combustion. The combustion institute, 1998.
  7. Pitsch H., Peters N. A consistent flamelet formulation for non-premixed combustion considering differential diffusion effects. Combustion and flame, 1998, pp. 1057-1064. doi: 10.1016/S0082-0784(98)80506-7.
  8. Warnatz J., Mass U., Dibble R.W. Combustion. Springer-Verlag, 1996, pp.219-221.
  9. Оран Э., Борис Дж. Численное моделирование реагирующих потоков. Москва. Мир, 1990. 660 с.
  10. Булысова Л.А. Использование программного комплекса FlowVision при доводке конструкции малотоксичной камеры сгорания. Всероссийский теплотехнический институт. Москва, 2014.
  11. ГОСТ Р ИСО 11042-1-2001. Установки газотурбинные. Методы определения выбросов вредных веществ. М.: Изд-во стандартов, 2002. 29 с.

补充文件

附件文件
动作
1. JATS XML

版权所有 © Gornovskiy A.S., Valeev A.G., Kosach L.A., Kostyukov A.V., 2017

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».