Benchmarking ethanol combustion mechanisms: predictive performance gaps in ignition, flame speed, and species profiles

Abstract

A preocupação crescente com as mudanças climáticas intensificou os esforços para reduzir as emissões de gases de efeito estufa (GEE), levando ao investimento em combustíveis renováveis. Entre as alternativas, o etanol destaca-se como a solução mais viável, seja usado como combustível puro ou como aditivo. Para explorar plenamente os benefícios do etanol como biocombustível em motores de combustão interna (MCIs), são necessários mecanismos cinéticos precisos para sua oxidação e pirólise. No entanto, apesar dos avanços significativos na cinética química e no desenvolvimento de mecanismos cinéticos, os modelos ainda apresentam limitações inerentes, e a sua precisão varia significantemente dependendo das condições de simulação. Embora inúmeros trabalhos estejam relacionados ao desenvolvimento e avaliação de mecanismos cinéticos químicos para o etanol, ainda falta na literatura uma análise quantitativa desses mecanismos, abordando seus pontos fortes e fracos. Portanto, este trabalho preenche essa lacuna avaliando sete mecanismos (Aramco v3.0, Mittal, Creck, LLNL, San Diego, Zhang, PCRL), comparando-os com dados experimentais de tubos de choque, reator de mistura por jatos e velocidade de chama laminar. A interface Cantera-Python foi aplicada em todas as simulações, utilizando a análise de sensibilidade de força bruta (BFSA) para identificar reações chave, e o método da raíz média quadrática (RMS) % para quantificar as incertezas preditivas. Os parâmetros de Arrhenius das reações dominantes foram avaliados para identificar possíveis fontes de disparidade. Os resultados demonstram que o mecanismo PCRL é o mais adequado para prever velocidades de chama e concentrações de espécies, enquanto o mecanismo de Zhang apresenta o melhor desempenho para tempos de atraso da ignição. O mecanismo de Mittal também demonstrou um bom desempenho geral. Entretanto, todos os mecanismos falharam em prever as concentrações de CO, CO2, H2O e O2. Esses resultados impactam diretamente as simulações preditivas de poluentes e ressalta a necessidade de uma revisão aprofundada das rotas de oxidação do carbono em futuros modelos cinéticos. Consequentemente, este estudo não apenas fornece um guia para a seleção de mecanismos, mas também direciona pesquisas futuras para as lacunas de conhecimento críticas que impedem a modelagem verdadeiramente preditiva da combustão do etanol.

Abstract: The growing concerns about climate change have intensified the efforts to reduce greenhouse gas (GHG) emissions, leading to the investment in renewable fuels. Among the alternatives, ethanol stands out as the most viable solution, whether used as pure fuel or as a fuel additive. To fully explore the benefits of ethanol as a biofuel in internal combustion engines (ICEs), accurate kinetics mechanisms for its oxidation and pyrolysis are required. However, although chemical kinetics and mechanism development has advanced significantly, current models retain inherent limitations, and their accuracy varies significantly with simulation conditions. But while numerous works are related to the development and assessment of chemical kinetics mechanisms for ethanol, a quantitative evaluation of these mechanisms, addressing their strengths and weaknesses, is still absent from the literature. Therefore, this work addresses this gap by evaluating seven mechanisms (Aramco v3.0, Mittal, Creck, LLNL, San Diego, Zhang, PCRL) and comparing them against experimental data from shock tube (ST), jet-stirred reactor (JSR), and laminar flame speed (LFS). All simulations employed the Cantera-Python interface, using a brute-force sensitivity analysis (BFSA) to identify key reactions and the root mean square (RMS) % method to quantify predictive uncertainties. Arrhenius parameters for dominant reactions were evaluated to identify possible sources of disparity. The results demonstrate that the PCRL mechanism is optimal for predicting flame speeds and species, while the Zhang mechanism performs best for ignition. The Mittal mechanism also demonstrated a good performance overall. However, all mechanisms failed to predict CO, CO2, H2O, and O2. The results directly impact the predictive simulations of pollutants and underscore the need for a thorough revision of carbon oxidation pathways in future kinetics models. Consequently, this study not only provides a guide for mechanism selection but also directs future research toward the critical knowledge gaps preventing truly predictive modeling of ethanol combustion.