• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

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

研究課題

研究課題/領域番号 21K03911
研究種目

基盤研究(C)

配分区分基金
応募区分一般
審査区分 小区分19020:熱工学関連
研究機関東北大学

研究代表者

青木 秀之  東北大学, 工学研究科, 教授 (40241533)

研究分担者 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)
研究期間 (年度) 2021-04-01 – 2024-03-31
研究課題ステータス 完了 (2023年度)
配分額 *注記
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
キーワードCoke / X-ray CT / Large scale simulation / CFD / Neural network / DAEM / 詳細化学反応機構 / 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
研究開始時の研究の概要

本研究では,cmオーダの大きさの実際の固体燃料を対象に,数十μmオーダの解像度,数~数十億ボクセルでその構造を再現し,構造に由来した気孔内のガスの拡散および水性ガスシフト反応を正確に記述した上で,固体燃料のガス化反応の大規模シミュレーションを実施する.ガス化反応による固体燃料の構造の時間変化を表現することで,構造変化による反応律速や拡散律速などの反応モードの時間変化も再現する.さらに,初期の構造を均一とする従来のモデルと比較することで,実構造がガス化反応に及ぼす影響を明示し,実構造と構造の変化をこれまでパラメータとして用いられている空隙率や迷宮度などと比較して正確かつ優位であることを示す.

研究成果の概要

本課題では、cmオーダの大きさを有する実際の固体燃料を対象に、数十μmオーダの解像度、数~数十億ボクセルでその構造を再現し、構造に由来した気孔内のガスの拡散および均一反応の水性ガスシフト反応を正確に記述した上で、固体燃料のガス化反応の大規模シミュレーションを実施した。初期の構造を均一とする従来のモデルと比較することで、実構造と構造の変化をこれまで構造を定義するパラメータとして用いられている空隙率や屈曲率などと比較して正確かつ優位であることが示された。また、研究を進展させる中で、2つの新たなシミュレーション手法を提案することができた。

研究成果の学術的意義や社会的意義

固体燃料は気孔を含む複雑な構造を有しており、固体燃料によっては異方性の高い構造を有する場合が多く、マクロ的な視点で評価する空隙率や評価方法が曖昧な屈曲度などのパラメータで表現するには限界がある。固体燃料内の気孔で生じる均一反応も考慮することで、実在燃料における、ガス拡散、均一反応や不均一反応の寄与を評価できるようになった。また、本課題の一環としてニューラルネットワークに基づく不均一反応の高精度のモデルパラメータ推算方法および均一反応のモデル化に関するニューラルネットワーク構築方法といった2つの新規手法を提案した。これらは今後のグリーントランスフォーメーションの進展に大きく寄与するものと考える。

報告書

(4件)
  • 2023 実績報告書   研究成果報告書 ( PDF )
  • 2022 実施状況報告書
  • 2021 実施状況報告書
  • 研究成果

    (8件)

すべて 2024 2023 2022 2021 その他

すべて 雑誌論文 (3件) (うち査読あり 3件、 オープンアクセス 1件) 学会発表 (4件) 備考 (1件)

  • [雑誌論文] New criteria to select reasonable hyperparameters for kinetic parameter estimation in distributed activation energy model (DAEM) by using neural network2024

    • 著者名/発表者名
      Shinji Wakimoto, Yoshiya Matsukawa, Hideyuki Aoki
    • 雑誌名

      Chemical Engineering Science

      巻: 285 ページ: 119597-119597

    • DOI

      10.1016/j.ces.2023.119597

    • 関連する報告書
      2023 実績報告書
    • 査読あり
  • [雑誌論文] Modeling of Water Gas Shift Reaction Using Neural Network Trained on Detailed Kinetic Mechanisms2024

    • 著者名/発表者名
      Kohei Yamaguchi, Yoshiya Matsukawa, Yui Numazawa, Hideyuki Aoki
    • 雑誌名

      Chemical Engineering Journal

      巻: in press ページ: 151659-151659

    • DOI

      10.1016/j.cej.2024.151659

    • 関連する報告書
      2023 実績報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Neural network estimation of kinetic parameters in distributed activation energy model (DAEM) without a priori assumptions for parallel reaction system2023

    • 著者名/発表者名
      Wakimoto Shinji、Matsukawa Yoshiya、Numazawa Yui、Matsushita Yohsuke、Aoki Hideyuki
    • 雑誌名

      Fuel

      巻: 343 ページ: 127836-127836

    • DOI

      10.1016/j.fuel.2023.127836

    • 関連する報告書
      2022 実施状況報告書
    • 査読あり
  • [学会発表] 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

    • 著者名/発表者名
      山口航平, 沼澤結, 松川嘉也, 青木秀之
    • 学会等名
      第59回石炭科学会議
    • 関連する報告書
      2022 実施状況報告書
  • [学会発表] New Method to Estimate Kinetic Parameters in Distributed Activation Energy Model (DAEM) by Using Neural Network2022

    • 著者名/発表者名
      S. Wakimoto, Y. Matsukawa, Y. Numazawa, Y. Matsushita, H. Aoki
    • 学会等名
      The 39th Annual Pittsburgh Coal Conference
    • 関連する報告書
      2022 実施状況報告書
  • [学会発表] 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

    • 著者名/発表者名
      山口航平, 沼澤結, 松川嘉也, 青木秀之
    • 学会等名
      第22回日本伝熱学会東北支部学生発表会
    • 関連する報告書
      2022 実施状況報告書
  • [学会発表] ニューラルネットワークとDistributed Activation Energy Model (DAEM)を用いたコークスのガス化反応性の解析2021

    • 著者名/発表者名
      脇本真治,沼澤結,松川嘉也,松下洋介,青木秀之
    • 学会等名
      第23 回先端研究発表会
    • 関連する報告書
      2021 実施状況報告書
  • [備考] 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

    • 関連する報告書
      2022 実施状況報告書

URL: 

公開日: 2021-04-28   更新日: 2025-01-30  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi