• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2022 Fiscal Year Research-status Report

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

Research Project

Project/Area Number 21K03911
Research InstitutionTohoku University

Principal Investigator

青木 秀之  東北大学, 工学研究科, 教授 (40241533)

Co-Investigator(Kenkyū-buntansha) 松川 嘉也  東北大学, 工学研究科, 助教 (30882477)
松下 洋介  弘前大学, 理工学研究科, 教授 (80431534) [Withdrawn]
Project Period (FY) 2021-04-01 – 2024-03-31
KeywordsDAEM / 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
Outline of Annual Research Achievements

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.

Current Status of Research Progress
Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

数値計算が大きなトラブル無く進んだことに加え,当初の予定にはなかった新手法を提案することができた.

Strategy for Future Research Activity

研究計画で挙げた必要な要素技術を今年度までに構築できた.大規模のCFD計算もおおむね実施済みであり,ケーススタディを追加で実行するだけで良い.得られた研究成果について,学会発表・論文投稿などを実施する.

  • Research Products

    (5 results)

All 2023 2022 Other

All Journal Article (1 results) (of which Peer Reviewed: 1 results) Presentation (3 results) Remarks (1 results)

  • [Journal Article] Neural network estimation of kinetic parameters in distributed activation energy model (DAEM) without a priori assumptions for parallel reaction system2023

    • Author(s)
      Wakimoto Shinji、Matsukawa Yoshiya、Numazawa Yui、Matsushita Yohsuke、Aoki Hideyuki
    • Journal Title

      Fuel

      Volume: 343 Pages: 127836~127836

    • DOI

      10.1016/j.fuel.2023.127836

    • Peer Reviewed
  • [Presentation] 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2022

    • Author(s)
      山口航平, 沼澤結, 松川嘉也, 青木秀之
    • Organizer
      第59回石炭科学会議
  • [Presentation] New Method to Estimate Kinetic Parameters in Distributed Activation Energy Model (DAEM) by Using Neural Network2022

    • Author(s)
      S. Wakimoto, Y. Matsukawa, Y. Numazawa, Y. Matsushita, H. Aoki
    • Organizer
      The 39th Annual Pittsburgh Coal Conference
  • [Presentation] 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2022

    • Author(s)
      山口航平, 沼澤結, 松川嘉也, 青木秀之
    • Organizer
      第22回日本伝熱学会東北支部学生発表会
  • [Remarks] 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

    • URL

      https://www.tohoku.ac.jp/japanese/2023/03/press20230320-03-biomass.html

URL: 

Published: 2023-12-25  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi