Estudio computacional de la combustión premezclada de un gas producto de la gasificación de biomasa en un motor de combustión interna (MCI)

Abstract

Esta investigación tiene por objetivo principal la optimización computacional de un motor de combustión interna encendido por chispa, alimentado con un gas de síntesis producto de la gasificación de biomasa. Para lograr esto, KIVA se utiliza como plataforma de simulación y se desarrolla un modelo tridimensional del dominio, considerando los procesos de admisión y escape en las pruebas realizadas computacionalmente. En este proceso se somete el modelo a un estudio de convergencia de malla para elegir la discretización espacial adecuada. Buscando evaluar la veracidad de los resultados obtenidos en las simulaciones, se hace una comparación respecto a datos experimentales reportados de la literatura. Para la optimización computacional, se utiliza una subrutina que acopla KIVA al algoritmo genético NSGA II. El proceso de optimización se realiza a 2500 [RPM] y 4500 [RPM], buscando maximizar la eficiencia térmica indicada y minimizar las emisiones de NO, variando la relación de equivalencia en la cámara de combustión. De los resultados se deduce que el rendimiento del motor presenta sus valores óptimos para mezclas cercanas a la estequiométrica. En esta misma zona las emisiones de CO son mínimas, pero también se presentan elevadas concentraciones de CO2 y las mayores emisiones de NO. Se observa que es admisible obtener concentraciones de NO, eficiencias térmicas indicadas y emisiones de CO similares o mejores a las conseguidas en la operación convencional del motor, es decir cuando este es alimentando con gasolina.

Abstract:The main objective of this research is the computational optimization of a spark-ignited internal combustion engine, powered by a synthesis gas produced by biomass gasification. To achieve this, KIVA is used as simulation platform and a three-dimensional domain model is developed, considering the admission and escape processes in the computationally performed tests. In this process, the model is subjected to a mesh convergence study to choose the appropriate spatial discretization. In order to evaluate the veracity of the results obtained in the simulations, a comparison is made with respect to experimental data reported from the literature. In computational optimization, a subroutine is used that couples KIVA to the genetic algorithm NSGA II. The optimization process is performed at 2500 [RPM] and 4500 [RPM], seeking to maximize the indicated thermal efficiency and minimize NO emissions, varying the equivalence ratio in the combustion chamber. From the results, it is deduced that the performance of the engine presents its optimal values for mixtures close to the stoichiometry. In this same zone, CO emissions are minimal, but high CO2 concentrations and higher NO emissions are also present. It is observed that it is permissible to obtain NO concentrations, indicated thermal efficiencies and CO emissions similar to or better than those achieved in the conventional operation of the engine, ie when it is fueling with gasoline.